Libro 2 Tccaop

Primera edición, 20 de febrero de 2015
D.R. cUniversidad Nacional Autónoma de México

Ciudad Universitaria, 04510, D.F.
Facultad de Estudios Superiores Cuautitlán
Km 2.5 carretera Cuautitlán-Teoloyucan,
San Sebastián Xhala, Cuautitlán Izcalli, 54714, Estado de México
Comité Editorial
ISBN 978-607-02-6416-0
ÍNDICE................................................................................................................3
ÍNDICE DE TABLAS...................................................................................................9
ÍNDICE DE FIGURAS................................................................................................11
PRÓLOGO...................................................................................................13
OBJETIVO..........................................................................................................15
INTRODUCCIÓN...................................................................................................17
Calidad........................................................................................17
Calidad Sanitaria.............................................................................................17
Calidad Comercial............................................................................................18
1.2 Explicar qué es Gestión de calidad:....................................................................18
1.2.1 Describir las principales teorías y corrientes administrativas de calidad..................20
Teoría de Sistemas de Contingencias.....................................................................20
La escuela neoclásica.....................................................................................20
La Administración y el Desarrollo Organizacional.....................................................21
La perspectiva cultural...................................................................................22
La Administración de Calidad..........................................................................23
La Administración Participativa .................................................................23
1.2.1.1 Los patriarcas de la calidad: Deming, Juran, Ishikawa, Effenberg,
Crosby y otros............................................................................................23
1.2.1.2 Control de Calidad............................................................................27
1.2.1.3 Calidad total..................................................................................30
1.2.1.4 Aseguramiento de la calidad.................................................................32
Organización Internacional de Normalización (International Organization for Standardiza-
tion).......................................................................................................32
1.2.1.5 Teorías Z, A y J..................................................................................33
-
gramas de calidad.........................................................................................34
Aspectos culturales.......................................................................................35
Aspectos socioeconómicos...............................................................................37
1.2.2.1 Analizar el caso de Japón contra lo que ocurre en la actualidad en México en ma-
teria de calidad de alimentos de origen pecuario................................................45
ÍNDICE
Relación actual México-Japón:.......................................................................45
1.2.2.2 Proponer estrategias para implantar programas de calidad en la industria de alimen-
tos de origen pecuario en México.....................................................................46
1.2.3 Ubicar las estrategias empleadas por las políticas gubernamentales en materia de ino-
cuidad y calidad de alimentos en México y en el plano internacional en el siglo XX y en lo que
va del XXI...................................................................................................48
1.2.3.1 Inspección sanitaria..........................................................................48
Facultad de Estudios Superiores Cuautitlán 3

TALLER DE CONTROL DE CALIDAD DE ALIMENTOS DE ORIGEN PECUARIO PRIMERA PARTE
criterios empleados para su aplicación.....................................................................49

SSA:................................................................................................................49
SAGARPA:..........................................................................................................50
Sistema TIF:.......................................................................................................52
con los sitios de producción, transporte, preparación, transformación, conservación, venta y con-
sumo de alimentos de origen pecuario........................................................................52
1. Materia prima (López et al., 2007):...................................................................53
2. Instalaciones (López et al., 2007):...................................................................54
3. Equipo (López et al., 2007):............................................................................56
4. Personal (López et al., 2007):........................................................................57
5. Proceso (López, 2007):.................................................................................58
6. Producto Terminado (López et al., 2007):.........................................................58
7. Comercialización (López et al., 2007):.............................................................61
1.2.3.5 Elaborar un cuadro sinóptico que contenga los diferentes tipos de dictámenes, así como
las conductas y los posibles destinos de los productos.........................................................63
1.2.4 La capacitación para la implantación de programas de calidad.......................................66
Bibliografía............................................................................................................68
2. CONTROL ESTADÍSTICO DE PROCESOS.............................................................................71
2.1 Principios Básicos................................................................................................71
2.2 Causas de Variación en los Procesos..........................................................................72
2.3 Herramientas Estadísticas de Calidad........................................................................76
Muestreo...........................................................................................................77
Aspectos relevantes del muestreo (ICMSF, 1988)..........................................................81
Datos obtenidos...................................................................................................88
Histograma o distribución de frecuencias...................................................................91
Análisis Cuantitativo o Medidas Algebraicas de la distribución de frecuencias........................96
-
-
de elementos defectuosos ...............................................................................119
4 Facultad de Estudios Superiores Cuautitlán

ÍNDICE
de control de unidades defectuosas....................................................................130
2.6 El Diagrama de Pareto...............................................................................141

Procedimientos para elaborar el Diagrama de Pareto..............................................141
INTERPRETACIÓN DE LOS DIAGRAMAS DE PARETO.....................................................144
2.7 Diagramas de Causa y Efecto.......................................................................157
Cómo hacer un Diagrama de Causa y Efecto..........................................................157
Bibliografía.................................................................................................160
3 EL PROCESO DE NORMALIZACIÓN EN LOS ALIMENTOS DE ORIGEN PECUARIO...................163
Introducción................................................................................................163
norma legal (N.O.M. y N.M.X., reglamentación).................................................163

Normalización..........................................................................................163
Gradación o Jerarquización..........................................................................164
Evaluación..............................................................................................164
Norma interna.........................................................................................165
Norma Mexicana (NMX)...............................................................................167

3.2 Describir el proceso para el establecimiento de normas internas de calidad..............168
3.2.1.1 Calidad en el producto....................................................................168

3.2.1.2 Calidad en el servicio.....................................................................168
3.3 Descripción del proceso para el establecimiento de normas legales, su obligatoriedad y
mecanismos para su aplicación y control.........................................................172
Elaboración de una NOM (LFMN, 2009)................................................................180
Elaboración de una NMX (LFMN, 2009).................................................................180
Mecanismos para su aplicación y control..............................................................181
3.4 Describir el proceso de consulta de las NOM y las NMX........................................181
Pecuario...............................................................................................182
ENLATADOS..................................................................................................183

LECHE.....................................................................................................185
DERIVADOS LÁCTEOS....................................................................................187
CARNE.....................................................................................................190
DERIVADOS CÁRNICOS...................................................................................191
PESCA.....................................................................................................192
HUEVO....................................................................................................195
MIEL......................................................................................................195
GENERALES (Etiquetado, Microbiológicas, Métodos de prueba y Otras).......................196
Alimentos-aceites y grasas vegetales o animales-determinación del valor
de peróxido-método de prueba.......................................................................197
Bibliografía...............................................................................................203
4. SISTEMA DE ANÁLISIS DE RIESGOS Y CONTROL DE PUNTOS CRÍTICOS (HACCP)...................205
Introducción..............................................................................................205
4.1 Mencionar los antecedentes históricos del sistema HACCP..................................207
4.2 Mencionar la importancia del HACCP y su aplicación en la industria alimentaria.......209
4.3 Ubicar al sistema HACCP en las corrientes y teorías de calidad............................210
4.4 Describir las características del sistema HACCP...............................................211
4.7 Explicar los siete principios que conforman este sistema, así como sus pasos
y secuencia.......................................................................................217
Principio 1 -
terizar, categorizar y validar los peligros asociados con el cultivo, cosecha, materias pri-
mas e ingredientes, procesamiento, manufactura, distribución, mercadeo, preparación y
consumo de un alimento...........................................................................217
1. CARACTERIZACIÓN Y CATEGORIZACIÓN.......................................................219
2. CATEGORIZACIÓN DE RIESGOS ESTADÍSTICOS (PROBABILIDAD DE OCURRENCIA). ......222
Principio 2.
Árboles de decisión.................................................................................225
Características de las medidas de control de los Puntos Críticos...........................226
Principio 3. Establecer límites críticos (parámetros) que deben obtenerse para controlar
Principio 4. Establecer un sistema de supervisión o vigilancia del control de los Puntos

Críticos. Procedimientos para supervisar el control de los puntos críticos y para usar los
Principio 5.
al vigilar el control de un punto crítico.........................................................234
Principio 6. Establecer sistemas efectivos de registro y archivo que documenten el plan
HACCP.................................................................................................236

ÍNDICE
Principio 7. -
ISO 22000 y su relación con el Plan HACCP...........................................................240
implantar este sistema, así como su secuencia...................................................242

4.9 Concluir con base en lo anterior, el papel de la autoridad sanitaria y del Médico Veterinario
Zootecnista.............................................................................................242
1. Planeación de la calidad............................................................................244
1.1 Educación básica para el entendimiento de la inocuidad.....................................244
1.2 Formación de un equipo para la calidad y HACCP...............................................245
1.3 Evaluación de la Calidad...........................................................................246
1.3.2 Posición en el mercado.......................................................................249

1.3.3 Cultura de calidad en la empresa...........................................................249
1.3.4 Operación del sistema de calidad en la empresa........................................250
1.3.5 Descubrir las necesidades del cliente......................................................250
1.4 Capacitación en Buenas Prácticas de Manufactura (BPM),
Procedimientos y Operaciones Estándar de Sanidad (POES) y HACCP.......................251
1.4.1 Buenas Prácticas de Manufactura (BPM)...................................................252
1.4.2 Procedimientos y Operaciones Estándar de Sanidad (POES)............................252
2. Control de calidad...........................................................................................253
4. Aseguramiento de la calidad...............................................................................256
Bibliografía.......................................................................................................257

ÍNDICE DE TABLAS
TABLA 1. Los procesos universales de la gestión de la calidad............................................19

TABLA 2. Comparación de las Empresas Tipo A, Z y J.......................................................33
TABLA 3. Actividades a realizar en el establecimiento de un Organismo Nacional de Control de
Alimentos...............................................................................................47
TABLA 4. Programas de Capacitación en Calidad Total......................................................67
TABLA 5. Comparaciones entre las variaciones por causas aleatorias y asignables en el proceso de
fabricación.............................................................................................74
TABLA 6. Tabla para la curva característica de operación de la ICMSF (1988) ............................80
TABLA 8. Programas de muestreo recomendados para combinaciones de diferentes grados de pe-

ligrosidad para la salud y diversas condiciones de manipulación (ICMSF 1988).............87
TABLA 9. Temperaturas de la carne del producto Z antes del proceso..................................88
ÍNDICE DE TABLAS
y Rango ( )......................................106
y Rango ( )....................................107
..............................................133
................................................................138
TABLA 21. Prototipo para Diagrama de Pareto..............................................................143

TABLA 22. Base Jurídica por creación de las Secretarías..................................................173
TABLA 23. Comités Consultivos Nacionales de Normalización............................................176
TABLA 24. Organismos Nacionales de Normalización.......................................................178
TABLA 25. Comités Técnicos de Normalización Nacional...................................................178
TABLA 26. Distribución de casos nuevos de enfermedades relacionadas con el consumo de alimentos
durante el 2008......................................................................................205
TABLA 28. Determinación de la Categorización.............................................................221

TABLA 29. Tabla de Caracterización y Categorización de Riesgos .......................................222
TABLA 30. Categorización de riesgos.........................................................................223
TABLA 33. Simbología para Puntos Críticos..................................................................226

TABLA 35. Documentos y Registros que la NOM–251–SSA1–2009 menciona que la fábrica deberá
contar, conservar y poner a disposición de la autoridad sanitaria cuando ésta los
requiera..........................................................................................237
22000:2005......................................................................................241

ÍNDICE DE FIGURAS
FIGURA 1. Ciclo de Deming......................................................................................25

FIGURA 2. Diagrama de entrada y salida para el proceso de control de calidad........................29
FIGURA 3. Sectores Económicos de México en 2009.........................................................38
FIGURA 4. Industrias Manufactureras de México en 2009...................................................39
FIGURA 5. Industrias Alimentarias de México en 2009.......................................................40
FIGURA 6. Industrias dedicadas a la elaboración de Lácteos en México durante 2009.................41
FIGURA 7. Industrias dedicadas a la elaboración de productos cárnicos en México durante 2009...41
FIGURA 8. Comercio al por mayor en México durante 2009.................................................42
FIGURA 9. Comercio al por menor en México durante 2009................................................43
FIGURA 10. Servicio de preparación de alimentos y bebidas en México durante 2009.................44
FIGURA 11. Tipos de dictámenes, Conductas y Destinos....................................................66
FIGURA 12. Diagrama de la función de las herramientas estadísticas de calidad.......................77
FIGURA 13. Secuencia de Muestreo............................................................................78
FIGURA 14. Curva de característica de operación...........................................................79
ÍNDICE DE FIGURAS
FIGURA 15. Curva de característica de operación...........................................................83
FIGURA 16. Árbol de toma de decisión para programas de dos y tres clases............................85
FIGURA 17. Histograma o distribución de frecuencia para la tabla 11...................................92
FIGURA 18. La Distribución Normal............................................................................99
y Rango (R).................................................108
.............................................................................122
............................................................................130
.............................................................................134
.............................................................................139
FIGURA 30. Límites Máximos de microorganismos y parásitos de la NOM – 213 – SSA1 – 2002.......165
FIGURA 32. Factores extrínsecos e intrínsecos que favorecen el crecimiento de microorganismos...206

FIGURA 33. La red de Apoyo del HACCP......................................................................213
FIGURA 34. Actividades preliminares del sistema H.A.C.C.P..............................................214
FIGURA 35. Secuencia Lógica para la Implementación del Sistema HACCP.............................243
FIGURA 36. Diagrama de integración de los puntos de Juran con los siete principios de HACCP....255

PRÓLOGO
-
mentos de Origen Pecuario (TCCAOP), la cual es impartida en el sexto semestre de la carrera de
Medicina Veterinaria y Zootecnia (MVZ) dentro del plan de estudios 2007 de la Facultad de Estudios
Este manual abarca las primeras cuatro unidades del programa de estudios de la asignatura del
TCCAOP. Según lo establecido en dicho programa, el material tiene una orientación 100% práctica
esas prácticas.
familiarizarse con contenidos completamente nuevos, orientados al desarrollo de competencias
Su impacto más profundo será proporcionar a los alumnos herramientas para que ellos hagan frente
y conservar los alimentos.

El conocimiento vertido en las unidades de este documento podrá ser interiorizado por el estudiante
fundamentales de los ámbitos de salud pública y de inocuidad de alimentos, usando como base las
de normalización y el Sistema de Análisis de Peligros y Puntos Críticos de Control (HACCP, por sus
siglas en inglés).
La asignatura del TCCAOP es 100% práctica, por lo que el profesor contará con material diverso e
-
PRÓLOGO
Medicina Veterinaria y Zootecnia, de ahí el principal aporte de este Manual Práctico.
El manual de esta asignatura tiene dos funciones: por una parte, proporcionar información actua-
lizada, esencial y particular, enfocada en los alimentos de origen pecuario y por la otra permitir la
-
mera parte del curso. El profesor podrá usarlo, además, como base para el establecimiento de
sugeridas.
El alumno podrá utilizar este texto como referencia de los temas citados en el programa de la

aptitudes, habilidades y destrezas que promuevan el logro de las competencias profesionales que
pretende esta asignatura en la formación de los Médicos Veterinarios Zootecnistas.
-
dad de los Alimentos de Origen Pecuario (5° semestre), seriado con la asignatura del TCCAOP. Esta
actúa como integradora de los conocimientos adquiridos en ese curso, con los propios de ella.
El contenido de las unidades es el siguiente:

-
neral de todo lo relacionado con las teorías y corrientes administrativas de calidad, así como las
políticas gubernamentales relacionadas con el control de calidad de los alimentos y en especial
los de origen pecuario.
-
lizadas en el control de calidad que la mayoría de los autores cita. Esta es una base matemática
en la que el productor y el futuro MVZ pueden basar el análisis del producto para determinar si
La tercera unidad trata sobre la normalización de la producción de alimentos de origen pecuario,

conforme lo estable el artículo 4° Constitucional: derecho a la protección de la salud y demás
en la que se establecen disposiciones generales y límites máximos y mínimos que se deben cum-
plir para que, teóricamente, el proceso de obtener, conservar, comercializar u otro de un alimen-
to, pueda propiciar su calidad sanitaria (inocuidad) y comercial.
La cuarta unidad es la del sistema HACCP, en la cual se establecen los lineamientos a seguir para
garantizar eliminar, reducir o mantener peligros a niveles seguros para el consumidor mediante
esta metodología sistemática, integral, racional, continua, previsora y organizadora, que incluye
una propuesta de interacción en la práctica profesional de lo estudiado hasta este punto.
Esperamos que este material sea de utilidad para todos los profesionales de la Medicina Veteri-
naria y Zootecnia.
Atentamente
Los Autores

OBJETIVO DEL “MANUAL PRÁCTICO” DE LA ASIGNATURA:
TALLER DE CONTROL DE CALIDAD DE ALIMENTOS DE ORIGEN PECUARIO
PRIMERA PARTE
asignatura Taller de Control de Calidad de Alimentos de Origen Pecuario, además de contribuir a
aplicar, dentro de un marco ético y profesional los principios de gestión de calidad, para salvaguardar
la salud del hombre y los animales, en relación con la producción, conservación, comercialización y
OBJETIVO

2. CONTROL ESTADÍSTICO DE PROCESOS
de productos a través de procesos y la prestación de servicios. Estos procesos o servicios, por sí

mismos deben de contener calidad, en un grado mayor o menor según las necesidades del cliente
o una normatividad establecida.
Al producir dicho producto o servicio se generan datos (representaciones simbólicas
2. CONTROL ESTADÍSTICO
(valores numéricos) o datos cualitativos (características o atributos), mismos que pueden volverse
se emplean para llenar formularios, que una vez llenos se conserven como registros, y mantener
una memoria de esos valores, como el número total de latas, el de las maltratadas, la cantidad
de alimento dentro de cada una de ellas, etc. (características cuantitativas). También registros
regular, malo, pésimo, hacerlo con valores numéricos en una escala del 1 al 10, donde el uno indique
el mínimo y el 10 el máximo de gusto por el producto. Estas actividades humanas generan los datos,
DE PROCESOS
una óptica estrecha, como la colección, análisis e interpretación de datos o, con una visión más
incertidumbres que se plantearon anteriormente.

La Estadística, como la vida, ha demostrado que no hay dos cosas exactamente iguales, los
estadística ha demostrado que las variaciones de un producto pueden medirse, y determinar el

comportamiento de un proceso o servicio. El conocimiento de este comportamiento es fundamental
para poder aplicar todas las herramientas y enfoques que se comentaron en la primera unidad
respecto a la Gestión de la Calidad (control de calidad, calidad total, trilogía de Juran, ciclo de

La estadística también sirve para realizar estudios de mercado, estudios de métodos,
Daniels, 2002).
Al desear proporcionar un servicio o generar un proceso, se debe tener como referente
quiere lograr y repetir en todas y cada una de estas actividades. La estadística permite estudiar
el comportamiento de ese proceso o servicio, basándose en los resultados obtenidos y registrados
en esa característica que se espera lograr, la cual puede ser establecida como el valor promedio
deseable a alcanzar en aquellos servicios y productos, entendiendo que el comportamiento
de ninguno será igual que el de otro. La variación del proceso, según la estadística, se puede
respecto al promedio, es decir, las diferencias de los valores medidos y registrados de variables
deformación natural de la curva de distribución normal (Pérez, 1999).
cantidad de alimento es normal, es lo que explica la estadística, nunca se van a poder producir
el hecho de que dos productos generados por una misma máquina, en el mismo turno, con un mismo
operario y con la misma materia prima no sean iguales. La enumeración de todos los factores es
generales que afectan a la mayoría de procesos o servicios y se sugiere efectuar el análisis de los
Se deben conocer cuáles son esos factores debido a que la calidad de los procesos
calidad no se puede enfocar en controlar todas y cada una de las variabilidades existentes, esto
se tendría el control del proceso. La atención se debe centrar en aquellas características

Causas de la variación:
Las principales causas de variación en la producción de alimentos se pueden agrupar en las
siguientes categorías.
operación puede contener fallas desde su comienzo y, por ningún motivo, excluir a la parte
una falla en el uso de los aparatos de medición o a un error de apreciación. Complementan la
para comprender el por qué existen tantas posibilidades de variación (Sandholm, 1995).
: otros elementos que se deben controlar para reducir la variabilidad
son los ambientales. Éstos son factores que el humano no ha podido manipular en un espacio
humano). Se podría considerar que tal vez en alguna parte o en todo el proceso esos factores
atmósfera (cantidad y presencia de diversos gases o partículas), presión atmosférica, radiación
: ya se habló de temperatura, presión atmosférica, cantidad de gases,
esos datos sin un patrón de medida para cada uno de ellos, mediante instrumentos o aparatos
que permitan la obtención de datos y que, a su vez, pueden ser causa de alguna variación. Por
una parte, esos aparatos son creados y usados por el humano (recuérdese el factor humano) y,
vez exista alguna descalibración provocada por el operario o porque se encuentra en un área
con temperatura distinta, alguna falla en el uso o simplemente se emplea un patrón de medida
diferente al usado en el proceso (Sandholm, 1995).
: todos los procesos comienzan con una materia prima que sufre alguna
puede exigir su exactitud perfecta, pero sí valores referentes que se puedan alcanzar. El origen
no se puede pedir que todos los animales consuman el mismo alimento o la misma cantidad,
que tengan exactamente la misma edad, que pesen exactamente lo mismo, que estén en un

se mencionaron, el factor humano, el ambiental y el de medición tienen que ver para que
estas cualidades varíen (e.g. el caporal ¿dará la misma cantidad de alimento, todos los días
conocidas y, de una unidad de producción a otra, la temperatura y humedad ambiental en
e) : en este apartado ya se puede hablar de factores
la variación de la presentación del proceso. Estos factores físicos son: elasticidad, viscosidad,
resistencia eléctrica, dureza, puntos crioscópicos y de ebullición, refracción, higroscopicidad,
se puede citar: el balance del pH, la acidez real, características hidrofílicas e hidrofóbicas, los
elementos químicos que generan enlaces a nivel molecular, las posibles reacciones al interactuar
con otras substancias, los contenidos en grasa, proteína, carbohidratos, vitaminas, minerales y
sus propiedades. Por otra parte los factores biológicos son: la presencia de bacterias, parásitos,
atógena (Sandholm 1995).
En los servicios se pueden considerar otros factores aparte de los ya mencionados, por
Debe de tenerse en consideración la amplia capacidad de combinaciones existentes entre

cada una de estas causas, las interacciones entre ellas, la absoluta o nula necesidad de alguna,
variación se pueden describir, como se presenta en la Tabla 5.
Tabla 5. Comparaciones entre las variaciones por causas aleatorias

y asignables en el proceso de fabricación
VARIACIONES POR CAUSAS ALEATORIAS VARIACIONES POR CAUSAS ASIGNABLES
Consiste en muchas causas individuales Consisten en una o muy pocas causas individuales
Cualquier causa aleatoria da como resultado un Cualquier causa asignable puede dar como resultado
una variación muy grande
Las medidas para reducir las variaciones por Las variaciones por causas asignables pueden ser
causas aleatorias, con frecuencia, no son detectadas y, las medidas por tomar, son generalmente
Cuando sólo están presentes variaciones por

Si están presentes variaciones por causas asignables,
el proceso no está operando con buenos resultados

y metas del proceso de un producto o servicio (planeación), dentro de lo deseado o de la
revisar, con ayuda de la estadística, la generación de los nuevos datos y así poder controlar
El control de la calidad se logra cuando no se generan variaciones fuera de los límites, los
cuales son valores referentes que obligan a que en los procesos dichos valores no se sobrepasen.
se debe conocer cómo se comportaron las variaciones existentes dentro de estos límites, esas
variaciones son calculables con las herramientas estadísticas que serán empleadas en los procesos
Las variaciones se pueden interpretar como conformes (dentro de los límites) o no
de estos límites es cuando en un Análisis de Peligros y Control de Puntos Críticos (HACCP) sobre
el horneado de un pavo se sugiere que se mantenga el horno a 200 °C., pero existe una gran
máximos y mínimos, dentro de los cuales la temperatura varía, pero asegura la reducción de los
riesgos a un nivel considerado seguro (185 °C a 210 °C) (López, 2002).
Estadísticamente se sabe que no, pero si se desea asegurar el éxito se debe asumir este hecho
esto, el negocio empieza a tener que cocinar más comida y de forma más rápida, coloca más
mesas en el mismo espacio, requiere de mayor cantidad de materia prima y para reducir costos

la atención es rápida y de malas, la comida es sosa, sin chiste y de una calidad menor, la gente lo
peor de como había empezado. En conclusión no hubo ninguna clase de control ni análisis del
proceso que aseguraran la estabilidad, la constancia y la predictibilidad de los productos y servicios
que se ofrecían y permitirían un éxito moderado, para en un futuro generar el crecimiento y la
Las herramientas estadísticas de calidad se basan en cálculos matemáticos de números

absolutos o de índices, que permiten describir el comportamiento de un proceso o servicio,
Estas herramientas estadísticas de la calidad han contribuido de manera importante en el
la planeación de la calidad (Feigembaum, 2004).
éste comportarse de forma normal o anormal, así como establecer la comparación de la variación
Feigembaum, 2004).
ingeniero de procesos una idea de lo que es posible realizar (Feigembaum, 2004).
es algo enteramente económico. Primeramente se debe de observar que los límites del proceso
obtenidos, es decir, si es mucho más económico corregir el proceso qué aceptar el desperdicio o
el reprocesamiento (Feigembaum, 2004).
Las herramientas estadísticas de calidad son, en resumen, métodos auxiliares para
la capacidad de llevar a cabo una retroalimentación sobre los procesos o servicios que está

Figura 12. Diagrama de la función de las herramientas estadísticas de calidad
PLANEACIÓN DEL
PROCESO Corrección
Pruebas Causas de
Límites de especificación PROCESO Variación
Límites
Experiencias
Límites
Retroalimentación
RESULTADOS
HERRAMIENTAS
ESTADÍSTICAS Análisis
DE CALIDAD
Proceso Normal Proceso Anormal
Límites Incorrectos Límites Correctos
Punto de vista
Corrección económico
MEJORA CONTINUA
DE LA CALIDAD Retroalimentación
Fuente:
Fuente: Munguía
Munguía (2011)
Muestreo
se pueden tomar muestras de la totalidad de la población, debido a que ésta puede ser grande y
puede describir en la Figura 13.

Figura 13. 13.

FIGURA Secuencia de de
Secuencia muestreo
muestreo
Proceso Lote Muestra Datos

Muestreo
Población
infinita o Medidas
UNIVERSO
FIN (acción)
Fuente: Ishikawa (1989)
aleatorio, que más adelante se describirá.
muestreo para los productos o servicios en general y el de los alimentos y, entre los muestreos
empleados en estos últimos para analizar sus características comerciales y los usados para
analizar sus características sanitarias. Su principal diferencia radica en que, para los alimentos se
busca satisfacer la necesidad implícita de inocuidad, mientras que para los productos o servicios
en general se busca satisfacer la calidad comercial.
No es lo mismo un muestreo que busque determinar las características comerciales a
toma de muestra en estos últimos casos, se deben tomar en cuenta muchos factores propios de
la naturaleza de los riesgos y de los productos que propician la existencia de diversas variables
Para entender este muestreo y las características que lo determinan, primeramente se

debe comprender lo que es la probabilidad, que puede ser descrita como una estimación de la
1 000 análisis, la probabilidad es de . Este dato es llamado una estimación ya que

si se repitiera el análisis de otras 1 000 muestras de la misma población, probablemente el
resultado de los positivos no sería exactamente el mismo, pero si el muestreo fue bien realizado,
seguramente el resultado sería un valor muy cercano al obtenido la primera vez.
población y el de muestra de la población. Defínase a la población como el número total de

unidades sobre el que hay que hacer una deducción a partir de los resultados analíticos obtenidos,
grupo de unidades que son retiradas de la población para estimar alguna característica, en este
caso, el riesgo microbiológico existente (ICMSF, 1988).

transformados en información, serán empleados para determinar las características conformes o no

conformes para después tomar decisiones en cuanto a la aceptación o rechazo de esa población de
alimentos que tienen como destino el consumo humano, entendiéndose para ello la responsabilidad
de proporcionar alimentos que no generen alguna enfermedad en los consumidores.
La elección particular de esos métodos de muestreo y de los criterios de decisión, deben
podría ser el siguiente: 10 unidades de muestra de un alimento, sometidas a un análisis microbiológico.

Sí en dos o menos muestras hay presencia de microorganismos se acepta la población, pero si hay
tres o más la población se rechaza. Se describe como n = 10 (número de muestras obtenidas) y
c = 2 ( número máximo de positivos permisibles o no conformes) (ICMSF, 1988).
Al usar estos programas de muestreo y debido a la gran cantidad de variables existentes,
cabe la probabilidad de rechazar alguna población buena y de aceptar alguna mala, es por ello que
Figura14. Curva de característica de operación
1.00 0.00
Rechazo= 0.32
0.80 0.20
0.60 0.40
0.40 0.60
Aceptación
0.20 = 0.68 0.80
0.00 1.00
0 20 40 60 80 100
P=porcentaje de unidades de muestra rechazables comprendidas en un lote

c = 2) y número
de muestra (n = 10
indicará que existe una probabilidad de que en 68 ocasiones de cada 100 existan 2 o menos
Tabla 6.
Una Inspección
Curva de característica de operación
consta de
Probabilidad de que: existan Probabilidad de que: existan

10 Unidades Inspecciones
n 2 o menos no conformes de 3 o más no conformes de 10
analizadas 100
10 muestreadas = 68 muestreadas = 32
2 Unidades
c Población Se Acepta Se Rechaza
rechazables
más elevado de muestras rechazables, la probabilidad de aceptación de esa población es menor
n más grande se pueden reducir los riesgos de aceptar un lote que era
un balance cuando n es grande (muchas unidades de muestra) y los riesgos microbiológicos son
n
son grandes (ICMSF, 1988).
dos: el riesgo para el productor, que es cuando las poblaciones son aceptables pero se rechazan
consumo humano que se pueden destinar al consumo animal (ICMSF, 1988).

Tal vez se piense que al analizar cada subunidad de la población se podrían evitar
esos riesgos, pero llevar a cabo ese proceso sería destructivo y demasiado caro, es por ello

a los productos producidos en un periodo de tiempo limitado. Además a menor uniformidad de las
condiciones de producción, más corto será ese periodo de tiempo, por lo que la aplicación de dicho
término exige conocer la uniformidad de las condiciones (ICMSF, 1988).
Para conocer el comportamiento de ese lote, se debe obtener una muestra representativa.
La muestra es aquella cuyas características son tan similares como sea posible a las del lote del que
que las muestras no representarán idénticamente las características del lote, pero se asegura que la
estadísticos para obligar al usuario a elegir al azar las muestras (ver ICMSF, 1988 y Daniels, 2002).
Aspectos relevantes del muestreo
Microbiológicas para Alimentos :
Primero, el número de unidades de muestra n hace referencia al número de unidades que
individuales o por muestras a granel que se someten a pruebas de forma individual,
(n = 10 muestras de 100 g c/u = 1, 000 g).

Segundo,
(n = 100 muestras de 10 g), se obtiene una mayor seguridad que extrayendo la misma
cantidad total de producto (1 000 g) en un número reducido de muestras (n = 2 muestras de
500 g).
Tercero, la muestra efectiva de la población sólo comprende aquéllas que realmente fueron
en cuenta.

Cuarto
razones económicas y a una mayor importancia en una decisión sobre lotes grandes.
Quinto, se debe conocer el concepto de marco; el universo es conocido como la partida y
habrá ocasiones en que no se puedan tomar muestras al azar de toda esa partida, sino de
marco, teniendo
como resultados, solamente los análisis de esa fracción de la partida.
Las muestras obtenidas tienen una heterogeneidad que depende mucho de las propias
características de las muestras, sobre todo, cuando se busca la inocuidad y a los microorganismos
existen factores que gobiernan la decisión de la cantidad de muestras como lo son:
La peligrosidad: es el factor más importante, ya que representa el riesgo para los
muestras se debe elevar para minimizar la probabilidad de aceptar un lote que debería
ser rechazado.
La uniformidad: como resultado de un proceso de fabricación hay una perfecta mezcla
de ese alimento (líquidos), por lo que el número de muestras se puede reducir, pero si
de muestra debe de ser mayor.

El historial
número de muestras se puede reducir.
Las limitaciones prácticas: los programas de muestreo se deben reducir en medida de
alimentos altamente perecederos, como los de la pesca, ya que los análisis de las
muestras requieren de un cierto tiempo para dar resultados y estos alimentos, no pueden
ser retenidos por esos periodos de tiempo.
Una vez consideradas las características anteriores, la aceptación o el rechazo de un
bien puede ser 0. Las determinaciones implican la existencia de una variable continua, como una
límite, cuestión recomendable ya que los datos de determinaciones requieren el conocimiento

del tipo de la distribución de frecuencia de la determinación y dado que la distribución de
microorganismos es, en la mayoría de los lotes, casi totalmente desconocida, normalmente en los
programas de muestreo se manipula siempre con datos de atributos.

establece un límite m, el cual se usa para separar las muestras entre rechazables (superiores a m)
y aceptables (menores a m, tomando en cuenta que habrá ocasiones en que m
bien, la severidad de los programas de muestreo depende de n (número de unidades de muestra de
un lote de alimento que deben de analizarse) y c (número de unidades de muestra rechazables).
Cuando hay un número superior a c, se rechaza el lote, ya que para un valor determinado de c el
aumento de n
en cambio para un valor constante de n, entre mayor sea c, más fácil será su aceptación (Tabla 7).
La Figura 15 demuestra el cambio de la probabilidad de rechazo o aceptación en la curva de
c.
Tabla 7. Ejemplo de severidad de los programas
SEVERIDAD
10 3
100 3
1
5
Fuente: Munguía (2011)
Figura 15. Curva de característica de operación
1.00 - n=5
A= Probabilidad de aceptación de un lote
0.00
R= Probabilidad de rechazo de un lote
0.80 - 0.20
0.60 - 0.40
0.40 - 0.60
0.20 - 0.80
0.00 L l l l l 1.00
0 20 40 60 80
P= porcentaje de unidades de muestra rechazables comprendidas en un lote
Fuente: ICMSF (1988)

En el programa de tres clases, como su nombre lo indica, después de analizar las unidades
de muestra de acuerdo con los criterios microbiológicos, los recuentos se dividen en tres clases,
es decir además de m se establece M que constituye un nivel de contaminación peligroso debido
M separa las unidades de muestra de
calidad marginalmente aceptables de las rechazables.
Las tres clases de este programa se dividen en:
Las unidades con valores entre 0 y m que se consideran aceptables.

Las unidades con valores entre m y M que se consideran provisionalmente aceptables, no
son deseables pero pueden aceptarse.
Las unidades con valores mayores de M que se consideran defectuosas y deben rechazarse.
No obstante, para determinar el valor de M se toma en cuenta lo siguiente:

Microorganismos de descomposición: serán los niveles de microorganismos que producen
una descomposición detectable (olor y sabor) o una vida de anaquel inaceptablemente
corta. La vida útil no implica necesariamente la provocación de una enfermedad,
pero puede demeritar las características comerciales por alteraciones propias de los
microorganismos.
Indicadores de sanidad: niveles que indican una condición de sanidad inaceptable.
Microorganismos que presentan un riesgo a la salud: niveles de microorganismos (o
concentración de toxinas) que producen enfermedades.
La probabilidad de aceptación de este programa se establece a partir de los números n y
c, al igual que el programa de dos clases dentro de la curva característica de operación
(Figura 15).
De acuerdo con la experiencia práctica, aun observando buenas prácticas de manufactura,

algunas unidades pueden resultar en el intervalo marginalmente aceptable, sin causar
problemas y, se pueden aceptar.
Se afectan menos lotes por cambios en la distribución de microorganismos dentro de
éste, debido a causas desconocidas.
Permiten advertir aumentos en los riesgos, si existe una tendencia de aumento en el
número de unidades marginalmente aceptables.
La decisión de usar un programa de dos clases o de tres clases reside en si se puede

permitir la presencia de una unidad de muestra positiva dentro de la muestra tomada, si no se
permite se usa un programa de dos clases, con un c = 0 (número máximo de muestras defectuosas
permisibles). Si la respuesta es positiva, puede combinarse aplicando un programa de dos o se
puede optar por el de tres clases, aunque se recomienda el de tres. La ICMSF recomienda seguir
el siguiente diagrama (Figura 16) para elegir entre un programa y otro:
Figura 16. Árbol de toma de decisión para programas de dos y tres clases
Para poder realizar la elección correcta de un programa de muestreo se debe tener en

cuenta la gravedad del peligro del alimento, que implican las especies microbianas para las que
se realiza el análisis y también se deben considerar las condiciones posteriores a las que el lote se
expondrá normalmente. Dentro de estos factores están:
Los factores clínicos y epidemiológicos
en general entre más grave la enfermedad, más severo deberá de ser el programa.
Las frecuencias,
puedan afectarlos.
La etiología, debido al propio agente que genera graves enfermedades alimentarias, su
patogenicidad, su virulencia, la mínima dosis infectante, etc.
Las consideraciones clínicas que se basan en la gravedad de la enfermedad, mortalidad o
letalidad de la población afectada.
El subdiagnóstico médico y la convalecencia larga que se pueden presentar en algunas
enfermedades.
Las consideraciones epidemiológicas que hacen referencia a su difusión en el medio
ambiente, poniendo especial atención en las propias poblaciones debido a sus costumbres
higiénicas, hábitos dietéticos, costumbres locales y normas de comunidad.
Antes de enfocarse en la detección de microorganismos patógenos, se deben considerar

otros factores, como lo son la presencia de microorganismos indicadores, esos que con frecuencia
proceso térmico, o bacterias coliformes como E. coli, que indican una contaminación fecal y los
Staphylococcus que demuestran la contaminación por contacto con la piel o nariz humana.
Se recomienda sólo someter los alimentos a pruebas de detección de patógenos cuando:
Se conoce la presencia frecuente de dicho patógeno y es capaz de producir enfermedad.

La epidemiología de un brote de enfermedad hace sospechar de determinado lote.
Se trata de circunstancias que hagan sospechar de la presencia de los patógenos.
Una vez determinados los peligros, se deben de establecer las pruebas a realizar.
Para que éstas sean las adecuadas se recomienda observar:
Los antecedentes de las enfermedades alimentarias transmitidas por un determinado

tipo de alimento Salmonella spp. pero no con C. botulinium.
Las condiciones probables de tratamiento y almacenamiento previas a los análisis.
se somete a un proceso térmico que un embutido que lleva otro tipo de proceso.
La posibilidad de alteración posterior
psicotrópicas, no se debe buscar C. botulinium y sí Pseudomonas spp.
La antigüedad del lote
para determinar C. botulinium; sin embargo, en una recién tratada, sí se debe hacer.
Los microorganismos patógenos con los que el lote ha podido estar en contacto. Por
Vibrio comma y de países donde es rara su
localización.
de almacenamiento ulteriores como la congelación, el refrigerado o la falta de control en la

cadena fría, por la aplicación de tratamientos posteriores, como la cocción, la fermentación, el
lavado y/o por las costumbres de consumo, como el calentado o comer el producto crudo.
el hecho de que no sean células vivas, de que su Aw haya disminuido, de la acción competitiva de
algunos microorganismos, del nivel pH, de la temperatura de almacenamiento, su tratamiento,
sumado a los hábitos de consumo.
La ICMSF propone 15 categorías que surgen de la combinación del grado de peligro que
puede representar determinado microorganismo, al estar presente en un alimento frente a las
condiciones en las que se espera sea manipulado y consumido, dando como resultado condiciones que:

Aumentan el peligro -
ción de tal manera que se permita la multiplicación de microorganismos y cuando la cocción
no ocurre inmediatamente antes del consumo
como los consumidos en polvo o inmediatamente después de la
reconstitución.
Reducen el peligro
térmico.
Estas posibles combinaciones o categorias se presentan en la Tabla 8 e incluye, para cada una, el
Tabla 8. Programas de muestreo recomendados para combinaciones de diferentes grados
Aumento Disminución
Sin peligro directo
de vida de anaquel de vida de anaquel
para la salud, CATEGORÍA 2
CATEGORÍA 1 CATEGORÍA 3
vida de anaquel, 3 clases
3 clases 3 clases
alteración n = 5, c = 2
n = 5, c = 3 n = 5, c = 1
Disminución de peligro Aumento de peligro

Peligro para la salud
CATEGORÍA 4 CATEGORÍA 5 CATEGORÍA 6
3 clases 3 clases 3 clases
(indicadores)
n = 5, c = 3 n = 5, c = 2 n = 5, c = 1
Peligro moderado CATEGORÍA 7 CATEGORÍA 8 CATEGORÍA 9

directo, difusión 3 clases 3 clases 3 clases
limitada n = 5, c = 2 n = 5, c = 1 n = 10, c = 1
Peligro moderado CATEGORÍA 10 CATEGORÍA 11 CATEGORÍA 12

directo, difusión 2 clases 2 clases 2 clases
extensa n = 5, c = 0 n = 10, c = 0 n = 20, c = 0
CATEGORÍA 13 CATEGORÍA 14 CATEGORÍA 15

Peligro grave directo 2 clases 2 clases 2 clases
n = 15, c = 0 n = 30, c = 0 n = 60, c = 0

importancia de los factores anteriores (microbiológicos, epidemiológicos y ecológicos), así

como las probabilidades estadísticas de aceptación o rechazo deseadas y las consideraciones
pueden variar ampliamente y cuando se aplican a programas internacionales pueden dar lugar a
para Alimentos ha concluido un compendio de programas que se recomiendan en el caso de

algunas bacterias patógenas (Ver ICMSF, 1988).
Estos métodos de muestreo se pueden aplicar a las características comerciales de los
productos en general o a los servicios, siempre y cuando se les adapte a las necesidades de
evaluación propias de cada uno de esos procesos.
Datos obtenidos
Una vez que se tienen las muestras, se generan datos y para la mayoría de los procesos,
esos datos que se obtuvieron siempre estarán dispersos y nunca tendrán un único valor constante,
Los datos pueden estar organizados en tablas de números ordenados al azar, las cuales
prácticamente no aportan información útil sobre el comportamiento de los datos de esa población
(Tabla 9).
Tabla 9. Temperaturas de la carne del producto Z antes del proceso
5.4 5.6 5.7 4 3.6 3.4 2.2 0.4 0.4 2.4 3.0 3.7 5.3 1.5 1.9
2.3 2.9 1.7 3.4 2.0 2.1 3.6 3.4 3.9 3.6 2.6 2.6 4.0 2.6 2.6
3.2 2.9 3.0 2.8 3.6 3.9 3.1 0.5 2.4 3.4 3.1 2.6 3.7 3.6 4.2
4.1 3.6 3.3 2.8 1.2 2.6 1.7 1.4 1.2 2.7 2.4 3.4 2.9 2.6 2.3
1.9 2.8 1.4 4.1 3.1 3.9 3.7 3.0 3.6 4.5 2.6 4.0 3.3 2.0 3.7
0.9 0.3 0.7 4.1 2.8 3.8 2.1 2.6 2.4 3.0 2.9 3.7 1.9 2.0 1.6
0.7 0.4 0.3 3.8 2.8 2.9 3.4 3.2 2.6 3.2 3.0 3.3 3.6 3.4 3.3
6.2 6.6 6.6 3.4 3.3 3.4 4.3 4.6 5.1 3.6 3.7 3.6 3.3 3.6 2.8
4.5 4.2 3.8 3.7 3.7 3.2 3.8 3.1 3.9 3.3 2.3 2.2 2.2 3.3 2.1
5.2 4.4 4.0 3.2 4.3 3.4 3.4 4.4 3.2 4.3 4.0 3.8 3.0 2.4 2.4
2.8 3.7 2.8 4.9 4.3 4.4 4.4 4.0 3.3 3.7 2.8 3.4 4.7 4.7 4.2
Fuente: Luján (2010)

El primer paso para analizar los datos consiste en ordenarlos en forma ascendente o
descendente, esto permite conocer de manera inmediata los valores máximos y mínimos con los
mínimo. (e. g. R = Valor máximo de 6. 6 °C – Valor mínimo de 0. 3 °C = 6. 3 °C)

Ya ordenados los datos, se recomienda utilizar las tablas de frecuencia (tablas 10 y 11) donde
Tabla 10. Ejemplo de Tabla de Distribución de Frecuencia
3,695
3,726
3,756
3,786
3,816
3,846
3,876
3,906
3,936
3,966
200 100,0 200,0
que cada clase tiene sus propios límites, quienes a su vez determinan la magnitud de cada una y
todas deben de tener la misma magnitud.
Como segundo paso se debe determinar esa cantidad y magnitud de las clases con las que se
de clases correspondan exactamente al valor del Rango, es decir, que la primera clase comience con
el valor mínimo y la última termine con el valor máximo de éste, ya que muchas veces se tiende
a redondear valores y ello genera, sobre todo, que el último subgrupo tenga límites menores o
mayores al valor máximo del rango, creando una perturbación en el histograma.

La se puede determinar por tres métodos: el primero consiste en
Número de clases (Nc) = 1 + 3. 322 log10 N, donde N es el número total de datos, no olvidándose de
valor superior (e. g 1 + 3. 322 log10 165 = 8. 36 = 9 clases).

La se obtiene al dividir el valor del Rango entre la cantidad de
clases que se desearon o se calcularon: (e.g. ).
Tercer paso, una vez obtenidos el Nc y la Mc se determinan los : se
empieza con el valor mínimo de Rango, al cual se le suma la magnitud de la clase, dando como
resultado los límites de la primera (e.g. Valor mínimo de 0. 3 + la magnitud de 0. 7 = 1.0, por lo tanto
los límites de la primera clase son de 0.3 a 1.0). La segunda clase comienza con el valor inmediato
superior de la clase precedente, por lo tanto el límite inferior de la siguiente clase debe de ser
la otra. Sin embargo, para el límite mayor de las demás clases, no se va a sumar la magnitud al
límite inferior de ésta, sino que se va a sumar la magnitud al límite mayor de la clase anterior
(e.g. límite superior de la clase anterior = 3.8, límite inferior de la siguiente clase debe de ser
3.9 y su límite superior debe ser 4.5 al sumar 3.8 + 0.7 y no 3.9 + 0.7).
Dentro de la tabla de Distribución de Frecuencia también se recomienda tener una columna
ésta se calcula con la siguiente fórmula: FR = [(frecuencia (f) x 100) ÷ (N) Número total de datos] y
también se recomienda tener otra columna donde aparezca la frecuencia acumulada, que es la
suma progresiva de las frecuencias (e.g. la frecuencia de la celda 1 (9) se suma con la frecuencia
este resultado es la frecuencia relativa de la celda 2 (17) y así sucesivamente),
ver Tabla 11.

Tabla 11. Ejemplo de tabla de frecuencias para los datos de Luján (2010)
FRECUENCIA FRECUENCIA FRECUENCIA

RELATIVA % ACUMULADA
1 0.3 1 9 5.45% 9
2 1.1 1.7 8 4.85% 17
3 1.8 2.4 21 12.73% 38
4 2.5 3.1 35 21.21% 73
5 3.2 3.8 53 32.12% 126
6 3.9 4.5 26 15.76% 152
4.6 5.2 6 3.64% 158
5.3 5.9 4 2.42% 162
6 6.6 3 1.82% 165
TOTAL 165 100.00%
Histograma o distribución de Frecuencias
de barras. Este Histograma sirve para:
Obtener una comunicación clara y efectiva de la variabilidad del sistema

Mostrar el resultado de un cambio en el sistema
o la cantidad de valores que caen dentro de ese subgrupo (frecuencia) deben representarse con
.

Figura 17. Histograma o distribución de frecuencia para la Tabla 11
Temperatura de la carne del producto Z antes del proceso ( C.)
0.3 -1 1.1 -1.7 3.1

Temperatura °C C.
Temperatua
I. EJERCICIO: realice una tabla de distribución de Frecuencia y un Histograma para los
3.0 -0.5 4.9 3.2 3.5
4.6 1.5 4.6 8.7 1.6
0.4 0.3 -0.3 5.2 -0.2
3.0 3.2 -1.0 5.7 -0.4
4.4 0.2 0.7 -1.0 1.4
3.0 -0.3 5.0 0.7 5.0
4.8 0.4 4.8 11.0 1.7
-0.7 -0.2 -0.7 5.7 -1.0

4.3 3.7 3.6 3.4 2.7 3.7 2.2 3.0 6.2 2.4
5.4 4.5 2.8 3.3 3.4 3.7 3.0 2.8 4.5 3.3
2.3 5.2 4.1 5.3 4.3 5.3 4.7 2.0 2.8 3.6
3.2 2.8 4.1 2.2 3.8 4.0 3.3 3.4 3.0 3.3
4.1 4.5 3.8 3.6 3.4 3.7 3.2 1.9 4.9 3.6
1.9 4.4 3.4 3.1 4.4 2.9 2.4 4.3 3.2 3.3
0.9 4.0 3.7 1.7 3.9 3.3 1.9 2.2 2.1 3.6
0.7 3.4 3.2 3.7 3.4 1.9 4.4 5.0 3.6 3.3
Interpretación de los histogramas de frecuencia
(a)
valor promedio.
(b)
puede existir peligro de manufacturación fuera de

los límites.

(c)
espacio para variaciones.
(d) Se dispone de mucho espacio de sobra, deben
(e) Aquí no existe el límite máximo, así que se puede

reducir para ahorrar en lo económico y para tener
(f)
(f) El promedio se desplazó a la izquierda, se debe de

corregir para evitar salir de los límites hacia los
valores inferiores.
(g)
(g)
o se cambia el proceso, detectando y corrigiendo
las causas de variación, o se amplían los límites de

(h)
(h) Dispersión en forma de máximo. No existe límite
promedio de los procesos y reducir la dispersión

hacia la parte inferior.
(i)
(i) La capacidad del proceso es totalmente
para que sea aceptable.
(j)
Histograma con dientes o en forma de peine,
comprobar si hay algo mal en los métodos de
medición.
(k) (k)
(k) Histograma con islas separadas. Indica alguna
anomalía y se tiene que buscar la causa y
erradicarla, si se eliminan los errores de los
productos fuera de los límites se puede fabricar
uno excelente.
(l)
(l) Histograma con la cola izquierda extendida.
Ocurre cuando existe un límite superior del que
lo que causa la cola izquierda.

(m) (m) Histograma con la cola derecha extendida. Ocurre

cuando existen límites inferiores de los que no
puede pasar un producto. Debe de investigarse la
problemática para corregir la cola de errores.
(n) Histograma en forma de acantilado, sucede cuan-

(n) do un proceso tiene una capacidad inadecuada y
al momento de realizar una investigación al cien-
to por ciento, sólo los productos que cumplan con
los límites podrán ser usados y, los que no, son
consecuencia de errores de medida o de inspec-
ción, hay que corregir los métodos de inspección
o medida de los errores encontrados.
Análisis Cuantitativo o Medidas Algebraicas de la distribución de frecuencias

Los análisis cuantitativos o medidas algebraicas de la distribución de frecuencias,
importante tenerlos en cuenta debido a que éstos proporcionan información cuantitativa sobre
Medidas de Tendencia Central o de Posición: son las medidas que muestran de

manera sintética, el comportamiento del proceso con respecto a qué tanto se
agrupan los datos alrededor del centro de la distribución.
Promedio, o media aritmética : es el valor central que representa
de todos los datos en sus valores reales divididos entre la cantidad de datos que se
sumaron.

Mediana ( ): es el valor central cuando los datos se ponen en orden de magnitud. Se obtiene
al ubicar el valor que se encuentra exactamente en el centro, es decir, aquel que tiene el
e.g. para datos impares: (3.24, 3.35, 3.84, 3.89, 3.93)

e.g. para datos pares: (3.0, 3.3, 3.7, 3.9, 4.1, 4.4, 4.4, 4.5, 4.9, 5.2)
.
Existen casos en los que la media no está localizada en el centro

y es en ellos cuando se puede sustituir con la mediana , la cual
probablemente sí represente esa medida de tendencia central.
Medidas de Dispersión: son las medidas que muestran el comportamiento del

proceso con respecto a qué tanto se separan los datos del centro de la distribución, por lo tanto
permiten calcular la representatividad de una medida de posición, es decir, hasta qué punto para
determinada distribución de frecuencias, las medidas de tendencia central son representativas
como síntesis de toda la información de la distribución.
Recorrido o Rango (R): como se describió antes, es la medida de dispersión máxima que
delimita los valores reales del comportamiento del proceso, es la diferencia entre el valor
“que tanto se dispersó el proceso”.
La Varianza de la Muestra (S2): es la suma de los cuadrados de las desviaciones, es decir,

la diferencia entre cada uno de los valores y la media (Tabla 12) para después dividir su
suma entre (n-1), donde “n” es el número de datos. Se recomienda el uso de la varianza
cuando los valores de los datos no son muy grandes o cuando se trata de valores discretos,
no continuos, debido a que en la varianza los valores son elevados al cuadrado, es decir, si
se usaron metros, la varianza está dada en metros cuadrados, permitiendo de esta manera

Tabla 12. Suma de los cuadrados de las desviaciones para los datos de Luján (2010)
T° producto Z antes del proceso

2
X (X - X) (X - X)
0.3 -2.88 8.2944
0.3 -2.88 8.2944
0.4 -2.78 7.7284
6.2 3.02 9.1204
6.6 3.42 11.6964
6.6 3.42 11.6964
TOTAL
Desviación Estándar (  ): El uso de la desviación estándar, que se obtiene de la raíz

cuadrada de la varianza, se recomienda cuando existen datos con valores muy grandes
o cuando estos valores son continuos, por lo tanto, el valor de la desviación estándar sí
está dado en las unidades utilizadas, es decir, si se usaron metros, la desviación estándar
frecuencia que la varianza.
La razón de calcular la varianza y después la desviación estándar es porque ambas sirven

para conocer una estimación del comportamiento general del proceso en cuanto a su separación
de la medida central en una distribución normal. Esto sucede cuando se resta o se suma el valor
de la varianza o de la desviación estándar de la media (como se observa, los valores de la varianza
y de la desviación estándar están precedidos del símbolo para facilitar su interpretación y uso),
en el caso de usar la varianza, es indispensable elevar la media al cuadrado, ya que los valores
de los datos lo están.

La Figura 18 muestra el comportamiento general del proceso cuando se usa la desviación
esa línea es la media o el promedio (valor que representa a la mayoría de la población). El área
de la media menos el valor de una vez la desviación estándar y la media más el valor de una vez la
desviación estándar en un proceso que sigue el comportamiento de una curva de distribución normal.
Figura 18. La Distribución normal
Dentro:
proceso al sumar y restar de la media el valor de una, dos, tres, cuatro o cinco desviaciones
estándar.
Fuera:
sumar y restar de la media el valor de una, dos, tres, cuatro o cinco desviaciones estándar.
II. EJERCICIO:
y Medidas de Dispersión.

Temperatura de la carne del producto A antes del proceso:
a)
b)
c)
d)
e)
f)
g)
h)

Temperatura de la carne del producto B antes del proceso:
a)
b)
c)
d)
e)
f)
g)
h)

Un proceso o servicio puede categorizarse para su estudio en subgrupos, donde todos

los datos representan al mismo proceso, simplemente en condiciones o con factores distintos,
control de variables permiten al usuario observar las variabilidades del proceso por subgrupos y
o la mediana de cada subgrupo y en la parte inferior el

Rango (R) de cada uno. (Figura 19). El uso de la media o de la mediana va relacionado con
el comportamiento del proceso, recuérdese que ambas son medidas de tendencia central y
que habrá ocasiones en que el promedio o media no represente esa tendencia debido al propio
la mediana, medida que regularmente marca esa tendencia central.

se pueden comparar al mismo tiempo los datos de la media o mediana
A través de cálculos matemáticos se establecen tres líneas que corren horizontalmente
y Límite de Control Inferior), las cuales facilitan detectar en qué subgrupos se están generando
las variaciones conformes y en cuáles las no conformes, ya que estas líneas delimitan qué tanto
de que el proceso no está controlado. Al analizar los factores del subgrupo en el que se presentan
FIGURA 19. Ejemplo de Gráfica de Media y Rango

Figura 19.
Fuente: Luján (2010)

grande donde existen más curvas normales de los otros subgrupos(Figura 20).
media o mediana y para el rango de cada subgrupo sucede lo mismo.
Rango es el promedio de los Rangos de los subgrupos .
Figura 20.
I. Se recomienda utilizar una tabla como la número 13 para tener ordenados los datos y hacer

Tabla 13.
II. Tomar en cuenta que para los subgrupos se deberá contar con registros previos de cada
III. Obtener las muestras, , de cada subgrupo (ver toma de muestras en este capítulo ). Se
establece que con 5 o menos muestras existen pocas probabilidades de localizar alguna
variación, es por ello que se recomiendan más.
IV. Los subgrupos son conocidos como “K” y el número de datos puntuales o muestras de
n”
V. Inmediatamente que se obtuvieron los datos de las muestras, se debe calcular la media o
promedio de cada subgrupo ( ) (Tabla 14).
a. En el caso de determinar que el comportamiento del proceso no genera una
curva de Distribución Normal, se puede usar a la mediana ( ), como medida de
tendencia central sustituyendo a la media y por lo tanto ésta se debe de calcular
por subgrupo (Tabla 14).
VI. Independientemente de haber elegido la media o la mediana, se debe calcular el rango
( ) de los subgrupos, restando el valor mínimo del subgrupo del valor máximo del mismo.
entre , el rango es .
VII. Calcular el promedio de los promedios ( ) de los subgrupos (Tabla 14).
a. Para el caso de la elección de mediana como tendencia central se necesita
calcular el promedio de las medianas ( ) de los subgrupos (Tabla 14).
VIII. Calcular el Promedio de Rangos ( ) de los subgrupos (Tabla 14).
Para el caso del uso de mediana, calcular la mediana del Rango ( ) de los subgrupos
(Tabla 14).

Tabla 14.
SUB R
1 6.7 6.62 6.71 6.02 6.09 5.86 6.33 0.85 6.36
2 6.07 6.06 5.97 6.31 6.49 5.96 6.14 0.53 6.07
3 6.27 5.92 5.81 5.74 5.87 6.08 5.95 0.53 5.90
4 5.98 6.02 6.17 5.97 5.83 5.64 5.94 0.53 5.98
5 6.47 6.42 6.48 6.18 6.29 6.24 6.35 0.30 6.36
6 6.25 6.21 6.03 5.76 5.75 5.54 5.92 0.71 5.90
5.90 6.01 6.00 5.57 5.49 5.58 5.76 0.52 5.74
5.80 5.80 6.19 5.95 5.75 5.77 5.88 0.44 5.80
6.00 5.75 6.09 6.20 6.12 6.05 6.04 0.45 6.07
6.01 5.95 5.93 6.05 6.11 6.19 6.04 0.26 6.03
11 5.67 5.87 5.71 6.11 5.68 5.70 5.79 0.44 5.71
12 5.72 5.66 5.74 5.74 5.91 5.98 5.79 0.32 5.74
13 5.87 5.87 5.81 5.78 5.79 5.40 5.75 0.47 5.80
14 5.57 5.49 5.58 5.31 5.23 5.22 5.40 0.36 5.40
15 5.64 6.01 6.80 6.40 6.37 6.06 6.21 1.16 6.22
16 5.95 5.75 5.77 5.96 5.99 5.88 5.88 0.24 5.92
6.07 6.08 5.96 6.05 6.05 5.85 6.01 0.23 6.05
5.58 5.60 5.50 6.02 6.05 6.11 5.81 0.61 5.81
6.38 6.43 6.56 6.08 6.01 5.94 6.23 0.62 6.23
5.57 5.60 5.77 6.24 6.14 6.08 5.90 0.67 5.93
21 5.70 5.76 5.20 5.73 6.36 6.41 5.86 1.21 5.75
22 5.51 5.40 5.70 6.09 6.18 6.13 5.84 0.78 5.90
23 6.06 5.88 5.85 5.97 5.95 5.88 5.93 0.21 5.92
24 6.10 5.95 5.89 6.23 6.22 6.17 6.09 0.34 6.14
25 5.95 6.03 6.00 5.87 6.34 6.10 6.05 0.47 6.02
TOTAL 148.89 13.25 148.68
PROMEDIOS
LC= LCS= LCI=

LC= LCS= LCI=
LC= LCS= LCI=

IX. Calcular las líneas de control: Límite de Control Superior LCS, Línea Central LC, Límite
de Control Inferior LCI.
a. GRÁFICOS DE CONTROL DE VARIABLES DE MEDIA Y RANGO (R)
Línea Central:
, se calcula por medio de fórmulas estadísticas, sin embargo, ya se

2
“n”, es decir el número de muestras.

R)
Línea Central:
3
y D4
cuando “n”
Tabla 15. y Rango (R)
Coeficientes para la gráfica de Media y Rango (R).
Fuente: Ishikawa (1989)

b. GRÁFICOS DE CONTROL DE VARIABLES MEDIANA ( Y RANGO (R)
1. Línea Central:
3
A2
)
1. Línea Central:
5
y D6
Tabla 16. y Rango (R)

coordenadas a los valores referentes de cada subgrupo tanto para media o mediana como para el
rango (Figura 21 de Media y Rango (R
Producto Z antes del proceso:
LC:
LCS:
LCI:
(R)
LC:
LCS:
LCI:
Figura 21. y Rango (R)
Gráfica de control de media y rango para:

pHde
pH delalacarne
carnedel
delproducto
producto Z
Z antes
antes del
del proceso.
proceso.
pH
Subgrupos
Rango del pH
Subgrupos

R R
existir puntos fuera de los límites, la variabilidad del proceso podrá presentar pautas distintas al
comportamiento aleatorio. En la mayoría de los casos estas pautas pueden utilizarse para realizar
fuera y negro cuando caen dentro.

No es conveniente dedicar demasiada atención al movimiento de los puntos dentro de los
Antes que nada, para lograr la interpretación de estas pautas, lo primero que se debe de
R
procesos que estén fuera de los límites de control. Si esto no es así, inmediatamente se deben
R, y esto, en muchos casos, eliminará
ó .
fuera de los límites de control, por lo que antes de proceder a analizarla se deben corregir las
R y .
Se considera que el proceso está en estado controlado cuando:
En muestras con 25 procesos o menos, éstos caen consecutivamente dentro de los límites
de control.
No existe más del 2% de procesos que se encuentran fuera de los límites de control. No
obstante, hay que investigar y corregir la anomalía.
Se considera también que hay anomalías en el proceso cuando varios puntos caen del mismo lado
de la línea central:
5 o más puntos consecutivos.

10 de 11 puntos consecutivos.
12 de 14 puntos consecutivos.

Cuando los puntos caen masivamente en torno a la línea central (sobrestabilidad), deben
ó R. Sin embargo, un
cambio en la variabilidad (R), sí suele traducirse en cambios en el de medias o medianas .
Los cambios de turnos (operarios), de materias primas, entre otros pueden dar lugar a
Tipos de comportamiento que se pueden encontrar con frecuencia y su posible cambio
Estado Totalmente Controlado
Estado Totalmente Controlado

Cambio Sostenido del promedio de un proceso
Cambio Grande y Aleatorio del promedio de un proceso

Aumento de la Dispersión de un Proceso
Disminución de la Dispersión de un Proceso

Fluctuación Grande y Repentina del Promedio de un Proceso
Fluctuación Grande y Repentina de la Dispersión (dentro de los

subgrupos)
Aumento Gradual del Promedio de un Proceso

R con los
antes de proceder a realizar otros análisis.
Que la variabilidad del proceso ha empeorado

Que hubo algún cambio de persona o instrumento de medida
En todos los casos en los que un punto cae fuera de los límites de control (superior o
inferior), hay que comprobar antes de cualquier acción:
Que el punto ha sido bien marcado

Y que los límites han sido bien calculados
Frecuentemente pueden detectarse cambios anormales del proceso antes de que éste se
ocurre en el caso de que 5 o más puntos sucesivos caigan en el lado superior de la línea central,
sin salirse de los límites.
R, indica MENOR
hacerla permanente.
A título orientativo, un 60% de los puntos deben caer en el tercio central y un 40% en los
similar a lo que sucede con la curva de distribución normal.
Un punto fuera de límites indica generalmente:
medición.
O que el punto está mal marcado o que los límites están mal calculados.

R
lado de la línea de o .
R,
el reparto de puntos aproximado debe ser 60% en el tercio central y 40% en los restantes.
El recálculo de los límites de control debe hacerse al mismo tiempo que en los de R, y
siguiendo los mismos criterios (Ishikawa, 1994).
III. EJERCICIO: realice un
y R, y R, e interprete los valores obtenidos.
Subgrupo Dato A Dato B Dato C Dato D

1 7.23 7.22 7.21 6.72
2 6.73 7.20 7.05 6.10
3 5.56 5.37 5.36 6.70
4 6.95 6.01 6.36 6.30
5 6.05 5.94 6.12 5.88
6 6.15 6.29 5.96 5.78
7 6.35 6.45 6.29 6.18
8 6.02 5.66 5.49 6.31
9 5.90 5.63 5.99 6.20
10 6.89 6.53 6.60 6.28

pH de la carne del producto D antes de su proceso

Subgrupo Dato A Dato B Dato C Dato D Dato E Dato F
1 5.96 6.14 6.07 5.31 5.23 5.22
2 5.60 6.38 5.66 5.86 6.26 6.66
3 5.40 5.38 5.65 5.95 5.84 6.00
4 6.3 6.08 6.06 5.92 5.69 5.78
5 6.76 6.33 6.05 5.69 5.77 5.80
6 5.61 5.59 5.20 6.86 5.8 6.05
7 5.56 5.86 6.23 5.79 6.13 5.94
8 6.22 5.95 6.16 6.24 6.12 6.29
9 6.20 6.02 6.18 6.02 6.28 6.12
10 5.78 6.27 6.24 5.80 5.70 5.72
11 5.95 6.16 6.24 6.3 6.21 5.97
12 6.48 6.21 6.33 6.47 6.02 6.10
13 5.52 6.28 6.03 5.83 5.55 5.51
14 6.37 6.44 6.29 6.15 6.04 6.10
15 6.15 6.04 6.10 6.47 6.02 6.10

2.5
Algunas características de calidad no pueden ser representadas convenientemente
solamente dos valores: conforme / no conforme, pasa / no pasa, funciona / no funciona, presente
de atributos operan con base en la cantidad de productos conformes y los no conformes (Ishikawa,
p y np, y las que

c y u (Figura 22).
Figura 22.

Estadísticamente se trata de representaciones que facilitan el análisis de subgrupos entre
realizaran los cálculos para obtener las curvas normales de distribución de cada subgrupo
y después se comparán entre ellas.
Su función primaria es mostrar el comportamiento de un proceso.
Se vigilan las variables claves en un proceso de manera preventiva.

Indican cambios fundamentales en el proceso.
Son fáciles de entender y proveen evidencia de problemas de calidad.
de unidades defectuosas y el número total de unidades en dicho colectivo. Cada unidad de

producto puede ser examinada por un inspector respecto de una o varias características
cien unidades de producto terminado para ver si son conformes o no y hay cinco unidades
defectuosas, la fracción de unidades defectuosas está dada por: p = 5/100 = 0. 05 y, por
de unidades no defectuosas q = 0. 95 ó 95%.

p son amigables, característica que radica en el hecho de
n puede variar y no ser el mismo en todos los
el día, la hora, la materia prima disponible, el obrero, la cantidad de inspectores disponibles

o la capacidad de muestreo de éstos.
Que sean amigables se puede entender, porque si el proceso sigue un comportamiento
normal, no importará si la cantidad de muestra es mayor o menor ya que siempre se comportará
unidades y se obtuvieron 10 no conformes se habla de 0.1 o 10%, pero si únicamente se

inspeccionaron 50 unidades de ese mismo proceso encontrándose 5 no conformes, se habla de
lo mismo: 0.1 o 10%.
p
variable o idéntica, es que al calcular la línea central (paso V y VI-i), independientemente
recta y para todos los subgrupos, este valor será el mismo. La única diferencia entre una

se deberán de recalcular los valores de los límites de control superiores e inferiores de cada
subgrupo (paso V, Nota 1) y que los LCS y LCI no se representarán rectos como se ha visto
anteriormente, sino que tendrán deformaciones debido al recálculo por la diferencia en el
defectuosos p
I.
agregar las columnas de LCS, LC y LCI, ya que para cada subgrupo esos valores cambiarán.
II. Recoger tantos datos como sea posible para poder conocer las unidades revisadas por
subgrupo n, las totales , y las unidades defectuosas en cada subgrupo r y las totales R
(Tabla 17).
III. Una vez obtenidos los subgrupos de muestras, se debe proceder a calcular la fracción de
unidades defectuosas para cada subgrupo p (Tabla 17).
IV. Posteriormente se calcula el promedio de la fracción de unidades defectuosas (Tabla 17).

Tabla 17.
1 125 12 0.096
2 125 14 0.112
3 125 16 0.128
4 125 21 0.168
5 125 26 0.208
6 125 15 0.120
7 125 18 0.144
8 125 16 0.128
9 125 11 0.088
10 125 13 0.104
11 125 11 0.088
12 125 22 0.176
13 125 14 0.112
14 125 18 0.144
15 125 13 0.104
16 125 30 0.240
17 125 24 0.192
18 125 22 0.176
19 125 20 0.160
20 125 14 0.112
TOTAL N R
PROMEDIOS 125

V. Calcular las líneas de control: Límite de Control Superior (LCS), Línea Central (LC),
Límite de Control Inferior (LCI).
a. Línea Central :
b. Límite de Control Superior 1:
b.
c. Límite de Control Inferior 1,2:

c.
NOTA 1:
realizar subgrupo por subgrupo:
Donde ,y es el valor que va a estar cambiando continuamente
en cada ecuación ya que, para cada subgrupo (k) (n) es variable.

Anotarlas en columnas anexas al modelo de la Tabla 17 que se use (Tabla 19).
NOTA 2
tir unidades defectuosas negativas.
VI.
coordenadas, los valores de la fracción de las unidades defectuosas de cada subgrupo
(Figura 23). No se debe de olvidar que en el caso de muestras variables los LCS y LCI
característica de tener adherida la etiqueta sobre la costura en latas de leche condensada

inspeccionadas:

a) LC:
b) LCS =
c) LCI =
Figura 23. de gráfica

23. Ejemplo p
Gráfica de control de porcentaje de elementos defectuosos para unidades
inspeccionadas de latas de leche condensada sobre, la especificación de tener adherida
la etiqueta sobre la costura de la lata
Fracción de unidades
defectuosas
Subgrupos
p, np, c, u)
las causas especiales o asignables como las pautas de comportamiento que representan cambios

Primeramente se buscarán los procesos que estén fuera de los límites de control superiores
e inferiores.
Enseguida se buscarán tendencias o pautas distintas al comportamiento aleatorio.
1) Cuando en muestras con 25 procesos o menos, éstos caen consecutivamente dentro de los
límites establecidos.
2) Cuando no hay más del 2% de procesos fuera de los límites.
(Munguía, 2011):
1) Cuando un punto se encuentra fuera de los límites de control.
que estén muy cerca de las líneas de control conviene marcarlos con un semicírculo.
II) Cuando existan dos puntos consecutivos muy próximos al límite de control.

IV) Cuando los puntos tengan una sobreestabilidad al agruparse masivamente cerca de la
línea central.

V) Cuando exista una fuerte tendencia ascendente o descendente marcada por cinco o más
puntos consecutivos.
VI) Cuando existan cambios bruscos de puntos próximos a un límite de control hacia el otro
límite.
proceso o del inspector, recuérdese que se trata de características binominales respecto a las que

En este caso, la Figura 23 muestra un comportamiento en el que un subgrupo cae fuera de

los límites. Además, existe una tendencia de acenso desde el subgrupo 1 hasta el 5 y una
de ascenso y descenso, pero si no sucediera así, es necesario realizar las observaciones y

correcciones a las variables que pudieran ser causa de ese comportamiento.
Finalmente no se debe olvidar observar las metas establecidas para ese proceso, en
particular con respecto a sus atributos de calidad, ya que uno de los aspectos característicos
muy elevado, lo cual se debe a que se trata de cálculos estadísticos en los que se hace una
comparación entre los subgrupos muestreados, pero que tal vez no represente el valor deseado
como máximo de características no conformes. Simplemente es un número que estadísticamente
a y b).
p: de control de porcentaje de
elementos defectuosos
se revisaron en la parte de muestreo, ya que se trata de características binominales y,

sobre todo, en cuestión del control de calidad de los alimentos, en la parte de inocuidad.
(microbiológicamente seguros o inseguros).
pero cuando esta muestra varía, lo que cambia es el recálculo de los LCS y LCI de cada
subgrupo, ya que la línea central sólo es calculada una vez y se mantiene estable para
todos los subgrupos.
se trata de una razón entre la cantidad de unidades no conformes y las unidades
de ese subgrupo, no lo están y no demuestran el valor real de cada proceso, sino

simplemente una tasa. Por tanto, grosso modo sirven para darse cuenta rápidamente del
comportamiento del proceso en general y en procesos con una gran cantidad de productos
Por último recordar que, si existen límites preestablecidos, se debe comparar si éstos
caso concreto de algunos límites establecidos en la normatividad vigente o a los vinculados con
aspectos tecnológicos o funcionales.
IV. EJERCICIO: realice p con los

p anotando sus límites de control e interpretándola.
1 75 5
2 79 2
3 74 3
4 85 4
5 80 2
6 81 1
7 79 1
8 68 6
9 69 5
10 72 5

Unidades inspeccionadas de envases de miel

para la característica de cristalización en la ciudad de Puebla
Subgrupo Unidades Inspeccionadas Errores
1 60 15
2 60 14
3 60 10
4 60 9
5 60 18
6 60 17
7 60 21
8 60 25
9 60 24
10 60 15
11 60 13
12 60 10
13 60 16
14 60 18
15 60 11
16 60 8
17 60 9
18 60 15
19 60 18
20 60 20

np
En este caso para el estudio de las unidades defectuosas, éstas se consideran

p. Además, estas
un inspector que revise las latas de leche condensada, al tomar una muestra de un lote,
np
a) Se recomienda utilizar tablas organizadas para que el análisis de las muestras de la

n, , r, R y
(ver Tabla 17 y fórmulas).
b) Calcular las líneas de control: Límite de Control Superior (LCS), Línea Central (LC),
Línea Central:
Límite de Control Superior:
existir unidades defectuosas negativas.
coordenadas, los valores de las unidades defectuosas de cada subgrupo. (Figura 24).
de Leche Condensada Inspeccionadas.
LC
LCS
LCI

Figura 24. np
sobre la costura de la lata
Subgrupo
np: de control de unidades

defectuosas
que primordialmente se deben considerar los procesos que se encuentran por fuera de
los límites de control y posteriormente las pautas o tendencias que estos procesos siguen
En este caso, la Figura 24 muestra un comportamiento en el que un subgrupo cae
automáticamente las tendencias de ascenso y descenso, pero si no sucediera así,

es necesario realizar las observaciones y correcciones a las variables que pudieron
ser causa de ese comportamiento.
la muestra obtenidas no son conformes con el proceso y cuáles sobresalen estadísticamente

de los límites.
Tercero, su utilidad radica principalmente en poder observar valores reales de productos y
p, sabiendo en unidades netas, cuántas no fueron aceptadas
y se puede comparar inmediatamente con los parámetros establecidos o esperados de la
el proceso.
Finalmente recordar que si existen límites preestablecidos, se debe de comparar si estos
p y np
p (Figura 23) para demostrar la diferencia

np
np, ésta demuestra la cantidad de errores de los
de unidades no conformes,
p de errores por cada
100 procesos, sin importar si se obtuvieron 10 o 10 000 muestras.
V. EJERCICIO: utilizando los siguientes datos elabore una tabla en la que se apoye para
np anotando sus límites de control e interpretándola.
1 105 9
2 105 12
3 105 15
4 105 14
5 105 17
6 105 13
7 105 14
8 105 16
9 105 13
10 105 10

1 160 11
2 160 15
3 160 14
4 160 13
5 160 12
6 160 12
7 160 14
8 160 13
9 160 11
10 160 15
11 160 17
12 160 14
13 160 13
14 160 16
15 160 15
16 160 12
17 160 13
18 160 13
19 160 11
20 160 15

varias características que pueden no estar conformes con lo requerido de ese producto como
unidad. El hecho de poseer defectos, no necesariamente implica su desecho. Recuérdese
que se trata de características binominales, en las que se toma una decisión (e.g. Tabla
Tabla 18. c
SALAMI DEFECTOS SALAMI DEFECTOS SALAMI DEFECTOS

1 4 11 4 21 3
2 1 12 1 22 4
3 3 13 3 23 3
4 4 14 2 24 4
5 3 15 2 25 2
6 2 16 26 4
7 2 17 2 27 1
8 4 18 2 28 3
9 2 19 2 29 4
10 1 20 1 30 4
embargo, si se quisieran corregir las causas que generan esas inconformidades se sugiere
profundizar en el análisis de éstas mediante el Diagrama de Pareto que se describe en el
apartado correspondiente.

c)
I. Registrar la cantidad de características no conformes de cada producto.

II. Calcular las líneas de control: Límite de Control Superior (LCS), Línea Central (LC),
a. Línea Central:
b. Límite de Control Superior:
c.
unidades defectuosas negativas.

III. los límites de clase indicados y ubicar, por medio de las
coordenadas, los valores de los defectos de cada unidad (Figura 25).
a. LC
b. LCS
c. LCI
Figura 25. c
Gráfica de control de defectos para

los Salam
Defectos por Salami
Subgrupo
Fuente: Munguía
Fuente: (2011)
Munguía (2011)

c: de control de defectos
los salamis habla por sí solo. Por tanto, el control de calidad para cada pieza debe ser más exigente
(total de características no conformes del producto) y no necesariamente se toman muestras de
primordialmente se deben de tomar en cuenta los procesos que se encuentran por fuera de los
límites de control y posteriormente las pautas o tendencias que estos procesos siguen dentro de la
Finalmente, cabe recordar que si existen límites preestablecidos, se debe de comparar si es-
-
teriormente, caso concreto de algunas limitaciones establecidas en la legislación aplicable (Ishikawa,
además no se observa ninguna tendencia en el comportamiento de los defectos.
VI. EJERCICIO: c, anotando sus límites de control e

.
JAMÓN JAMÓN
DEFECTOS DEFECTOS
SERRANO SERRANO
1 7 11 12
2 5 12 5
3 4 13 11
4 6 14 8
5 5 15 7
6 8 16 5
7 4 17 4
8 5 18 7
9 6 19 16
10 6 20 4

JAMÓN JAMÓN
DEFECTOS DEFECTOS
SERRANO SERRANO
1 2 21 7
2 3 22 5
3 5 23 2
4 2 24 4
5 4 25 6
6 3 26 2
7 6 27 6
8 3 28 8
9 5 29 6
10 2 30 2
11 6 31 2
12 3 32 5
13 4 33 6
14 5 34 2
15 2 35 9
16 6 36 4
17 3 37 5
18 5 38 7
19 11 39 4
20 3 40 5
cuando el
se puede considerar como una tasa, ya que representará la proporción de defectos o

características no conformes por cada 100 unidades producidas.
no conformes de un producto mediante tasas y como se mencionó, si se quisieran corregir

las causas que generan esas inconformidades se sugiere profundizar en el análisis de ésta

u)
estas generarán dos datos, las unidades no conformes o rechazables y la cantidad de no

conformidades de esas unidades, por lo que se sugiere se utilicen tablas como la número 19.
II. Dentro de la Tabla 19 debe de haber un espacio para U o el promedio de defectos, que
se calcula al dividir el número de defectos entre la cantidad de unidades producidas por
subgrupo (Tabla 19):
Donde , por lo que u será calculada por subgrupo.

p
subgrupos la línea central:
Línea Central:
IV. Después se deben de calcular los Límites de Control Superior (LCS) y los Límites de
Control Inferior (LCI), para cada una de los subgrupos:
a. Límite de Control Superior:
b.
p , y n es el valor que va estar

cambiando continuamente en cada ecuación ya que, para cada subgrupo (k)
muestra (n) es variable. Anotarlas en columnas anexas como en la Tabla 19.
unidades defectuosas negativas.
u los límites de clase indicados y ubicar, por medio de las

coordenadas, los valores de los defectos de cada unidad. (Figura 26).

Tabla 19. u
U LCI LC LCS
k
n c
1 106 4 24 0.2264 0.1114 0.2600 0.4086

2 98 6 28 0.2857 0.1055 0.2600 0.4145
3 75 3 21 0.2800 0.0834 0.2600 0.4366
4 120 8 23 0.1917 0.1204 0.2600 0.3996
5 88 5 20 0.2273 0.0969 0.2600 0.4231
6 95 7 25 0.2632 0.1031 0.2600 0.4169
7 86 5 26 0.3023 0.0950 0.2600 0.4250
8 102 6 28 0.2745 0.1085 0.2600 0.4115
9 136 4 42 0.3088 0.1288 0.2600 0.3912
10 110 7 27 0.2455 0.1141 0.2600 0.4059
TOTAL 55
a. LC
b. LCS:
+
c. LCI:
-

Figura 26. u
Fuente: (Munguía, 2011)
: de control de promedio de defectos
, no se trata de unidades no conformes sino de características que no lo son. En otras

palabras, se encargan de analizar la cantidad de defectos que no provocan el desecho del producto,
correspondiente, recordando que primordialmente se deben de tomar en cuenta los procesos que
se encuentran por fuera de los límites de control y posteriormente las pautas o tendencias que
Finalmente, cabe recordar que si existen límites preestablecidos, se debe comparar si
posteriormente, caso concreto de algunas limitaciones establecidas en la legislación aplicable
En este caso la Figura 26 muestra que todos los lotes de rebanadas de tocino se encuentran
la vigilancia y se debe estar pendiente de los próximos comportamientos para evitar que
el proceso salga de control.
VII. EJERCICIO: , anotando sus límites de control
k n c
1 69 2 5
2 76 1 3
3 64 2 9
4 70 1 5
5 62 4 12
6 63 2 6
7 72 3 7
8 69 2 8
9 68 2 4
10 71 2 6
k n c
1 89 3 9
2 98 4 7
3 123 2 9
4 108 3 10
5 99 4 11
6 96 5 12
7 102 6 16
8 114 4 8
9 111 7 9
10 96 8 12
11 95 12 21
12 105 9 12
13 112 6 13
14 124 4 16
15 103 5 10
16 96 7 11
17 90 3 9
18 94 8 8
19 100 4 11
20 102 5 7

2.6
Es una herramienta que se utiliza para priorizar los problemas o las causas que los generan.
El nombre de Pareto fue dado por el Dr. Juran en honor del economista italiano Vilfredo Pareto
(1848-1923) quien realizó un estudio sobre la distribución de la riqueza, en el cual descubrió que
la minoría de la población poseía la mayor parte de la riqueza y la mayoría de la población poseía
la menor parte. El Dr. Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce
como la regla 80/20.
este concepto, si se tiene un problema con muchas causas, se puede decir que el 20% de las causas
resuelven el 80 % del problema y el 80 % de las causas solo resuelven el 20 % del problema. Gracias a estos
Procedimientos para elaborar el Diagrama de Pareto
1. Decidir el alimento a analizar.

2.
3.
4. Elaborar una tabla de datos para el Diagrama de Pareto con la lista de las características
5.
6.
acumulados en la parte
80%, el ancho de esta barra determinará las características que generan la mayoría de los
Escribir cualquier información necesaria sobre el diagrama.
c «Defectos

Tabla 20. Ejemplo de características no conformes por salami
CARACTERÍSTICAS DESEABLES
Peso de 2 400 g a 2 500 g
Diámetro de 5 a 6 cm
de la tripa (superior)
de la tripa (inferior)
Tripa sin rasgaduras
Largo entre 57 cm
Etiqueta centrada
Anudado correcto
Anudado correcto
Empaque al vacío
color de la pieza
Uniformidad del
Uniformidad del
escurrimientos
Ausencia de
SALAMI
sin arrugas
diámetro
y 60 cm
1 NO NO NO NO 4
2 NO 1
3 NO NO NO 3
4 NO NO NO NO 4
5 NO NO NO 3
6 NO NO 2
7 NO NO 2
8 NO NO NO NO 4
9 NO NO 2
10 NO 1
11 NO NO NO NO 4
12 NO 1
13 NO NO NO 3
14 NO NO 2
15 NO NO 2
16 NO NO NO NO NO NO NO NO NO
17 NO NO 2
18 NO NO 2
19 NO NO 2
20 NO 1
21 NO NO NO 3
22 NO NO NO NO 4
23 NO NO NO 3
24 NO NO NO NO 4
25 NO NO 2
26 NO NO NO NO 4
27 NO 1
28 NO NO NO 3
29 NO NO NO NO 4
30 NO NO NO NO 4
TOTAL 2 3 2 2 21 3 1 2 3

Tabla 21. Prototipo para Diagrama Pareto
TOTAL TOTAL
Escurrimientos 21 21 24.42 24.42
Etiqueta mal centrada 19 40 22.09 46.51
Color de la pieza no uniforme 18 58 20.93 67.44
Tripa con rasgaduras 10 68 11.63 79.07
Peso fuera de 2 400 g a 2 500 g 3 71 3.49 82.56
3 74 3.49 86.05
Empaque al vacío con arrugas 3 77 3.49 89.53
Largo fuera de 57 cm y 62 cm 2 79 2.33 91.86
Diámetro fuera de 5 a 6 cm 2 81 2.33 94.19
Diámetro sin uniformidad 2 83 2.33 96.51
Anudado incorrecto
2 85 2.33 98.84
de la tripa (Superior)
Anudado incorrecto
1 86 1.16 100.00
de la tripa (Inferior)
TOTALES

Figura 27. Ejemplo de Diagrama de Pareto
100%
70%
Una vez ubicada en la curva acumulada la fracción del 80% se debe de enfocar toda la
atención en los defectos que acumulan ese 80%.
En el caso de la Figura 27 se muestra que los escurrimientos, la etiqueta mal centrada, el

color no uniforme de la pieza y la tripa con rasgaduras representan el 80% de los defectos,
Sin embargo, también se debe considerar que en algunas ocasiones la corrección de
color no uniforme de la pieza y las pérdidas de peso.
La interpretación es muy sencilla: las barras representan la cantidad de características no

conformes y la curva acumulada ayuda a ubicar las características que generan la mayor cantidad
de procesos no deseados (80%).

Todas las características no conformes deben de corregirse, pero primariamente se debe

enfocar este proceso de corrección en las características que representan una mayor cantidad de
VIII. EJERCICIO:
A continuación se proporciona una serie de datos agrupados en 6 categorías, estos datos se
Central y sus límites de Control Superiores e Inferiores). Una vez que éstas sean completadas,
Pareto para las 6 características planteadas.
PRODUCTO A
Tº DE LA CARNE ANTES DEL PROCESO
SUBGRUPOS T1 T2 T3 PROMEDIO
1 -1.1 -1.3 -1.1 -1.167 -1.1 -1.3 0.2
2 -1.7 -1.7 -1.7 -1.700 -1.7 -1.7 0
3 -1.7 -1.4 -1.7 -1.600 -1.4 -1.7 0.3
4 -2.2 -1.9 -2 -2.033 -1.9 -2.2 0.3
5 -1.5 -1.4 -1.4 -1.433 -1.4 -1.5 0.1
6 -0.9 0.3 -0.6 -0.400 0.3 -0.9 1.2
7 -1.3 -1.6 -1.8 -1.567 -1.3 -1.8 0.5
8 -1.5 -1.2 -1.2 -1.300 -1.2 -1.5 0.3
9 -1.3 -1.5 -1.3 -1.367 -1.3 -1.5 0.2
10 -1.4 -2 -1.5 -1.633 -1.4 -2 0.6
11 -1.3 -1.8 -1.4 -1.500 -1.3 -1.8 0.5
12 -1.2 -1.3 -1.3 -1.267 -1.2 -1.3 0.1
13 -1.3 -1.7 -1.8 -1.600 -1.3 -1.8 0.5
14 -1.1 -1.7 -1.8 -1.533 -1.1 -1.8 0.7
15 -1.7 -1.2 -1.4 -1.433 -1.2 -1.7 0.5
16 -1.5 -1.5 -1.2 -1.400 -1.2 -1.5 0.3
17 -1.4 -1.5 -1.3 -1.400 -1.3 -1.5 0.2
18 -1.6 -1.7 -1.7 -1.667 -1.6 -1.7 0.1
19 -1.7 -1.6 -1.2 -1.500 -1.2 -1.7 0.5
20 -0.8 -1 -1.2 -1.000 -0.8 -1.2 0.4
21 -1.8 -1.3 -1.3 -1.467 -1.3 -1.8 0.5
22 -1.4 -1.3 -1.4 -1.367 -1.3 -1.4 0.1
23 -1.4 -1.8 -1.9 -1.700 -1.4 -1.9 0.5
24 -1.2 -1.6 -1.2 -1.333 -1.2 -1.6 0.4
25 -1.4 -1.4 -1.2 -1.333 -1.2 -1.4 0.2

Gráfica de Media y Rango para la T° de la carne antes del proceso
Subgrupo
x
T° de la Carne
x LCS=
LC=
R
Rango de la T°
R
LCS=
LC=
Subgrupo

PRODUCTO A
SUBGRUPOS PROMEDIO
1 6.7 6.62 6.71 6.6767 6.71 6.62 0.09
2 6.07 6.06 5.97 6.0333 6.07 5.97 0.1
3 6.27 5.92 5.81 6.0000 6.27 5.81 0.46
4 5.98 6.02 6.17 6.0567 6.17 5.98 0.19
5 6.47 6.42 6.48 6.4567 6.48 6.42 0.06
6 6.25 6.21 6.03 6.1633 6.25 6.03 0.22
7 5.9 6.01 6 5.9700 6.01 5.9 0.11
8 5.8 5.8 6.19 5.9300 6.19 5.8 0.39
9 6 5.75 6.09 5.9467 6.09 5.75 0.34
10 6.01 5.95 5.93 5.9633 6.01 5.93 0.08
11 5.67 5.87 5.71 5.7500 5.87 5.67 0.2
12 5.72 5.66 5.74 5.7067 5.74 5.66 0.08
13 5.87 5.87 5.81 5.8500 5.87 5.81 0.06
14 5.57 5.49 5.58 5.5467 5.58 5.49 0.09
15 5.64 6.01 6.8 6.1500 6.8 5.64 1.16
16 5.95 5.75 5.77 5.8233 5.95 5.75 0.2
17 6.07 6.08 5.96 6.0367 6.08 5.96 0.12
18 5.58 5.6 5.5 5.5600 5.6 5.5 0.1
19 6.38 6.43 6.56 6.4567 6.56 6.38 0.18
20 5.57 5.6 5.77 5.6467 5.77 5.57 0.2
21 5.7 5.76 5.2 5.5533 5.76 5.2 0.56
22 5.51 5.4 5.7 5.5367 5.7 5.4 0.3
23 6.06 5.88 5.85 5.9300 6.06 5.85 0.21
24 6.1 5.95 5.89 5.9800 6.1 5.89 0.21
25 5.95 6.03 6 5.9933 6.03 5.95 0.08

Gráfica de Media y Rango para el pH de la carne antes del proceso
x :
pH de la Carne
LCS=
LC=
x LCI=
Subgrupos
R:
Rango del pH
LCS=
R LC=
LCI=
Subgrupos

PRODUCTO A
SUBGRUPOS Tº 1 PROMEDIO
1 18.8 5.4 19.7 14.6333 19.7 5.4 14.3
2 9.2 5.4 16.9 10.5000 16.9 5.4 11.5
3 8.2 5.4 17.5 10.3667 17.5 5.4 12.1
4 8.2 17.3 14.7 13.4000 17.3 8.2 9.1
5 11 17.1 17.5 15.2000 17.5 11 6.5
6 12.4 5.7 17.1 11.7333 17.1 5.7 11.4
7 10 12.8 18.2 13.6667 18.2 10 8.2
8 9.1 17.3 6.4 10.9333 17.3 6.4 10.9
9 14.5 13.2 13 13.5667 14.5 13 1.5
10 18.8 18.2 9.9 15.6333 18.8 9.9 8.9
11 17.2 18.6 10.6 15.4667 18.6 10.6 8
12 18.1 18.4 16.4 17.6333 18.4 16.4 2
13 17.2 17.4 13 15.8667 17.4 13 4.4
14 7.4 17.6 12.4 12.4667 17.6 7.4 10.2
15 18.8 18.2 13.9 16.9667 18.8 13.9 4.9
16 17.3 17.1 13 15.8000 17.3 13 4.3
17 18.4 17.1 13 16.1667 18.4 13 5.4
18 12.6 17.3 13.1 14.3333 17.3 12.6 4.7
19 14.2 17.6 13 14.9333 17.6 13 4.6
20 19.4 16.6 13.6 16.5333 19.4 13.6 5.8
21 19.2 15.5 6.3 13.6667 19.2 6.3 12.9
22 18.4 16.4 5.5 13.4333 18.4 5.5 12.9
23 19.4 17.1 6.6 14.3667 19.4 6.6 12.8
24 18.2 17.8 2 12.6667 18.2 2 16.2
25 19 18 5.9 14.3000 19 5.9 13.1

Gráfica de Media y Rango para la T° de la salmuera

T° de la Salmuera
x :
LCS=
x LC=
LCI=
Subgrupos
Rango de la T°
R:
LCS=
R
LC=
LCI=
Subgrupos

PRODUCTO A
SUBGRUPOS PROMEDIO
1 5.91 5.78 7.52 6.4033 7.52 5.78 1.74
2 7.23 7.02 7.54 7.2633 7.54 7.02 0.52
3 7.23 7.12 7.58 7.3100 7.58 7.12 0.46
4 8.21 7.64 7.32 7.7233 8.21 7.32 0.89
5 8.31 7.65 7.42 7.7933 8.31 7.42 0.89
6 7.25 6.38 7.02 6.8833 7.25 6.38 0.87
7 6.58 6.27 7.42 6.7567 7.42 6.27 1.15
8 6.51 6.36 7.22 6.6967 7.22 6.36 0.86
9 7.25 7.64 7.75 7.5467 7.75 7.25 0.5
10 7.38 6.21 7.84 7.1433 7.84 6.21 1.63
11 6.55 6.47 7.65 6.8900 7.65 6.47 1.18
12 7.62 6.17 7.47 7.0867 7.62 6.17 1.45
13 6.79 6.33 7.88 7.0000 7.88 6.33 1.55
14 6.64 6.21 7.86 6.9033 7.86 6.21 1.65
15 7.56 6.29 7.78 7.2100 7.78 6.29 1.49
16 6.78 6.17 7.64 6.8633 7.64 6.17 1.47
17 6.76 6.17 7.21 6.7133 7.21 6.17 1.04
18 6.32 6.31 7.2 6.6100 7.2 6.31 0.89
19 6.68 6.82 7.18 6.8933 7.18 6.68 0.5
20 6.54 6.14 7.98 6.8867 7.98 6.14 1.84
21 6.95 6.42 7.31 6.8933 7.31 6.42 0.89
22 6.52 6.5 7.2 6.7400 7.2 6.5 0.7
23 6.75 6.77 6.75 6.7567 6.77 6.75 0.02
24 6.73 6.28 7.24 6.7500 7.24 6.28 0.96
25 6.65 6.43 7.06 6.7133 7.06 6.43 0.63

Gráfica de Media y Rango para el pH de la salmuera

pH de la Salmuera
x :
LCS =
x =
LC=
LCI=
Subgrupo
Rango del pH
R:
R LCS=
LC=
LCI=
Subgrupo

PRODUCTO A
TEMPERATURA DESPUÉS PROCESO
SUBGRUPOS Tº 1 PROMEDIO
1 3.45 8.7 5.3 5.8167 8.7 3.45 5.25
2 2.88 0.38 9.68 4.3133 9.68 0.38 9.3
3 -1.14 -1.7 5.32 0.8267 5.32 -1.7 7.02
4 3.54 -1.86 6.33 2.6700 6.33 -1.86 8.19
5 1.24 -0.88 5.4 1.9200 5.4 -0.88 6.28
6 1 3.24 4.28 2.8400 4.28 1 3.28
7 0.8 -0.9 5.26 1.7200 5.26 -0.9 6.16
8 3.54 3.96 4.46 3.9867 4.46 3.54 0.92
9 0.82 5.06 5.44 3.7733 5.44 0.82 4.62
10 2.8 0.48 5.42 2.9000 5.42 0.48 4.94
11 -1.8 -1.34 5.9 0.9200 5.9 -1.8 7.7
12 0.18 -0.16 5.72 1.9133 5.72 -0.16 5.88
13 -1.66 -1.8 4.72 0.4200 4.72 -1.8 6.52
14 2.26 0.5 4.62 2.4600 4.62 0.5 4.12
15 -0.46 0.52 3.18 1.0800 3.18 -0.46 3.64
16 1.86 -0.58 5.2 2.1600 5.2 -0.58 5.78
17 3.56 -1.52 6.4 2.8133 6.4 -1.52 7.92
18 3.08 -0.94 6.96 3.0333 6.96 -0.94 7.9
19 1.04 -1.26 6.52 2.1000 6.52 -1.26 7.78
20 3.48 4.78 5.94 4.7333 5.94 3.48 2.46
21 4.28 -1.7 5.94 2.8400 5.94 -1.7 7.64
22 3.08 6.7 3.4 4.3933 6.7 3.08 3.62
23 1.06 -1.5 5.64 1.7333 5.64 -1.5 7.14
24 1.48 -1.26 3.6 1.2733 3.6 -1.26 4.86
25 1.76 1.15 5.9 2.9367 5.9 1.15 4.75

Gráfica de Media y Rango para la temperatura después del proceso
x :
x LCS=
LC=
LCI=
Subgrupos
R R:
LCS=
LC=
LCI=
Subgrupos

PRODUCTO A
SUBGRUPOS PROMEDIO
1 6.38 5.91 6.83 6.3733 6.83 5.91 0.92
2 6.07 5.95 6.43 6.1500 6.43 5.95 0.48
3 6.017 6.35 6.71 6.3590 6.71 6.017 0.693
4 6.117 5.93 6.73 6.2590 6.73 5.93 0.8
5 6.051 6.32 6.67 6.3470 6.67 6.051 0.619
6 6.011 6.13 6.75 6.2970 6.75 6.011 0.739
7 6.254 6.32 6.3 6.2913 6.32 6.254 0.066
8 6.134 6.81 6.28 6.4080 6.81 6.134 0.676
9 6.122 6.23 6.53 6.2940 6.53 6.122 0.408
10 6.209 6.31 6.57 6.3630 6.57 6.209 0.361
11 6.099 6.08 6.37 6.1830 6.37 6.08 0.29
12 5.823 6.13 6.23 6.0610 6.23 5.823 0.407
13 5.888 5.67 6.34 5.9660 6.34 5.67 0.67
14 5.784 5.94 6.09 5.9380 6.09 5.784 0.306
15 5.901 6.35 6.264 6.1717 6.35 5.901 0.449
16 6.193 6.29 6.03 6.1710 6.29 6.03 0.26
17 6.438 6.23 6.358 6.3420 6.438 6.23 0.208
18 6.448 6.4 6.308 6.3853 6.448 6.308 0.14
19 6.089 5.85 6.61 6.1830 6.61 5.85 0.76
20 6.067 6.21 6.62 6.2990 6.62 6.067 0.553
21 6.135 5.85 6.62 6.2017 6.62 5.85 0.77
22 6.022 6.16 6.49 6.2240 6.49 6.022 0.468
23 6.109 5.96 6.57 6.2130 6.57 5.96 0.61
24 6.245 6.06 6.8900 6.3983 6.89 6.06 0.83
25 5.986 5.6800 6.2600 5.9753 6.26 5.68 0.58

Gráfica de Media y Rango para el pH después del proceso
x :
LCS=
x LC=
LCI=
Subgrupos
R:
R LCS=
LC=
LCI=
Subgrupos

Estos diagramas ilustran la relación entre las características (los resultados de un proceso)
Son útiles en toda clase de actividades de calidad.

Ayudan a pensar sobre todas las causas reales y potenciales de un suceso o problema y no
solamente en las más obvias o simples. Además, son idóneos para motivar el análisis y la discusión
tomar decisiones y organizar planes de acción.
Está compuesto por un recuadro (cabeza), una línea principal (columna vertebral), y 4 o más
líneas que apuntan a la línea principal formando un ángulo aproximado de 70º (espinas principales).
Estas últimas poseen a su vez dos o tres líneas inclinadas (espinas), y así sucesivamente (espinas
menores), según sea necesario (Ishikawa, 1994).
Cómo hacer un Diagrama de Causa y Efecto
1. Decidir las características a considerar

2.
proceso en consideración.
3. Elegir unos nombres generales para las características substitutas y anotarlas en el
M’s”
(Materiales, máquinas, equipos, métodos, mano de obra, medidas, medio ambiente).
4.
5.
6. Juntar la mayor cantidad de gente posible para que se aporten las ideas.
7.
causa(s) más probable(s) y a generar, si es necesario, posibles planes de acción.

Figura 28. Ejemplo de Diagrama de Causa y efecto
Figura 29. Ejemplo de Diagrama de Causa y Efecto, aplicado

al rendimiento de puré de tomate
de puré de
tomate

IX. EJERCICIO: elabore un Diagrama de Causa y Efecto sobre el defecto de algún proceso de
manufactura o transformación de algún alimento de Origen Pecuario (Enlatado, Carne,
el profesor.
MATERIALES MÉTODOS MEDIDAS
X.
PRODUCTO
MÁQUINA S MANO DE OBRA MEDIO AMBIENTE

- Codex Alimentarius, Directrices Generales Sobre Muestreo CAC/GL 50-2004, Archivo

PDF http://www.codexalimentarius.net, consultada el 30 de agosto de 2010 a las
16:30 hrs.
- Daniels, W. W., Bioestadística: base para el análisis de las ciencias de la salud.
Editorial McGraw Hill, Distrito Federal, México, 2002.
- Deming, W. E. Calidad, Productividad y Competitividad. Editorial Díaz de Santos,
- Feigembaum, A.V.
- Control Total de la Calidad, 13va impresión, Editorial Continental, Distrito
Federal, México, 1984.
- Control Total de Calidad, 3ª Edición, Séptima Reimpresión, Editorial
Continental, Distrito Federal, México, 2004.
- Gutiérrez, H., De la Vara R., Control Estadístico de la Calidad y Seis Sigma, 2ª Edición,
Editorial McGraw Hill, Distrito Federal, México, 2009.
- Hernández, M.
- Sistemas de Optimización y Estadística (SOE SC), 2009 a, http://
optyestadistica.wordpress.com/about/ consultada en 17 de septiembre de
2010 a las 20:15 hrs.
-
y Excel, 2009b,
atributos/ consultada el 17 de septiembre de 2010 a las 20:20 hrs.
- ICMSF),
Microorganismos de los Alimentos, Métodos de muestreo para análisis microbiológicos:
1988.
- Ishikawa, K., Introducción al Control de Calidad, Editorial Díaz de Santos, Madrid,
- Juran, J.M.
- Juran y el Liderazgo para la Calidad: un manual para directivos. Editorial
- Análisducto de uso, Editorial McGraw Hill, Distrito Federal, México, 1999.

- Manual de Calidad, Volumen I, 5ta Edición, Editorial McGraw Hill, Madrid,
.
- Manual de Calidad, Volumen II, 5ta Edición, Editorial McGraw Hill, Madrid,
.
- Llorente, A. y Ortega, J. K., La importancia del muestreo estadístico en los análisis
microbiológicos. Lácteos y Cárnicos Mexicanos. 16(5):17-26, 2001.
- López, J.

- Generalidades sobre la Microbiología de los Alimentos: Microecología, Industria

Alimentaria. 23 (5): 12-23, 2001.
- Sistema de Análisis de Riesgos y Control de Puntos Críticos, Lácteos y Cárnicos
Mexicanos. 17 (4):29-37, 2002.
-
empacadora de carnes frías y embutidos ubicada en la ciudad de México. Médico
Veterinario Zootecnista, Facultad de Estudios Superiores Cuautitlán, Universidad
Nacional Autónoma de México, 2010.
- Monttogomery, D.C., Control estadístico de la calidad, 3ª Edición, Editorial Limusa,
Distrito Federal, México, 2004.
- Munguía, P. M., Ejercicios y Diagramas para la asignatura de Taller de Control de
Calidad de Alimentos de Origen Pecuario. Sección de Medicina Preventiva y Disciplinas
de Apoyo. Facultad de Estudios Superiores Cuautitlán. Universidad Nacional Autónoma
de México, 2011.
- Pérez, C., Control Estadístico de la Calidad, Teoría práctica y aplicaciones informáticas,
Editorial Alfaomega, Distrito Federal, México, 1999.
- Sandholm, L., Control Total de Calidad, Primera Edición, Editorial Trillas, Distrito
Federal, México, 1995.
- Scherkenbach, W. W., La ruta Deming a la calidad y la productividad, Vías y barreras,
Primera reimpresión, Editorial Continental, Distrito Federal, México, 1994.

Edición
Universidad Nacional Autónoma de México
Facultad de Estudios Superiores Cuautitlán
Comité Editorial
Impresión
Ultradigital Press S. A. de C. V.
Delegación Iztapalapa, C.P. 09810

México D. F.
Impresión digital
Portada cartulina couche mate de 250 g
Interiores papel bond de 90 g
Esta obra se terminó de imprimir el 23 de febrero de 2015
DG Rafael Velázquez Martínez

Libro 2 Tccaop

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro 2 Tccaop

Cargado por

Copyright:

Formatos disponibles

Primera edición, 20 de febrero de 2015

D.R. cUniversidad Nacional Autónoma de México

Facultad de Estudios Superiores Cuautitlán 3

criterios empleados para su aplicación.....................................................................49

de elementos defectuosos ...............................................................................119

4 Facultad de Estudios Superiores Cuautitlán

de control de unidades defectuosas....................................................................130

2.6 El Diagrama de Pareto...............................................................................141

norma legal (N.O.M. y N.M.X., reglamentación).................................................163

Norma Mexicana (NMX)...............................................................................167

3.2.1.1 Calidad en el producto....................................................................168

Facultad de Estudios Superiores Cuautitlán 5

Principio 4. Establecer un sistema de supervisión o vigilancia del control de los Puntos

6 Facultad de Estudios Superiores Cuautitlán

ISO 22000 y su relación con el Plan HACCP...........................................................240

implantar este sistema, así como su secuencia...................................................242

1.3.2 Posición en el mercado.......................................................................249

Facultad de Estudios Superiores Cuautitlán 7

TABLA 1. Los procesos universales de la gestión de la calidad............................................19

TABLA 8. Programas de muestreo recomendados para combinaciones de diferentes grados de pe-

TABLA 21. Prototipo para Diagrama de Pareto..............................................................143

TABLA 28. Determinación de la Categorización.............................................................221

TABLA 33. Simbología para Puntos Críticos..................................................................226

Facultad de Estudios Superiores Cuautitlán 9

10 Facultad de Estudios Superiores Cuautitlán

FIGURA 1. Ciclo de Deming......................................................................................25

FIGURA 32. Factores extrínsecos e intrínsecos que favorecen el crecimiento de microorganismos...206

Facultad de Estudios Superiores Cuautitlán 11

familiarizarse con contenidos completamente nuevos, orientados al desarrollo de competencias

y conservar los alimentos.

Facultad de Estudios Superiores Cuautitlán 13

El contenido de las unidades es el siguiente:

La tercera unidad trata sobre la normalización de la producción de alimentos de origen pecuario,

14 Facultad de Estudios Superiores Cuautitlán

asignatura Taller de Control de Calidad de Alimentos de Origen Pecuario, además de contribuir a

Facultad de Estudios Superiores Cuautitlán 15

de productos a través de procesos y la prestación de servicios. Estos procesos o servicios, por sí

incertidumbres que se plantearon anteriormente.

estadística ha demostrado que las variaciones de un producto pueden medirse, y determinar el

Facultad de Estudios Superiores Cuautitlán 71

La estadística también sirve para realizar estudios de mercado, estudios de métodos,

deformación natural de la curva de distribución normal (Pérez, 1999).

se tendría el control del proceso. La atención se debe centrar en aquellas características

72 Facultad de Estudios Superiores Cuautitlán

una falla en el uso de los aparatos de medición o a un error de apreciación. Complementan la

atmósfera (cantidad y presencia de diversos gases o partículas), presión atmosférica, radiación

: ya se habló de temperatura, presión atmosférica, cantidad de gases,

Facultad de Estudios Superiores Cuautitlán 73

conocidas y, de una unidad de producción a otra, la temperatura y humedad ambiental en

e) : en este apartado ya se puede hablar de factores

Debe de tenerse en consideración la amplia capacidad de combinaciones existentes entre

variación se pueden describir, como se presenta en la Tabla 5.

Tabla 5. Comparaciones entre las variaciones por causas aleatorias

Cuando sólo están presentes variaciones por

74 Facultad de Estudios Superiores Cuautitlán

y metas del proceso de un producto o servicio (planeación), dentro de lo deseado o de la

Las variaciones se pueden interpretar como conformes (dentro de los límites) o no

Facultad de Estudios Superiores Cuautitlán 75

Las herramientas estadísticas de calidad se basan en cálculos matemáticos de números

Estas herramientas estadísticas de la calidad han contribuido de manera importante en el

la planeación de la calidad (Feigembaum, 2004).

ingeniero de procesos una idea de lo que es posible realizar (Feigembaum, 2004).

76 Facultad de Estudios Superiores Cuautitlán

Figura 12. Diagrama de la función de las herramientas estadísticas de calidad